Thư viện Python có thể tính toán ma trận nhầm lẫn để phân loại nhiều nhãn

Tôi đang tìm một thư viện Python có thể tính toán ma trận nhầm lẫn để phân loại nhiều nhãn .

Tài chính

• scikit-learn không hỗ trợ đa nhãn cho ma trận nhầm lẫn)
• Sự khác biệt giữa vấn đề đa kính và đa lớp

Ngoài ra hãy xem scikit-multilearn . Đây là một thư viện rất tốt mở rộng sklearn cho việc học đa nhãn. Tuy nhiên, tôi không chắc làm thế nào ma trận nhầm lẫn hoạt động cho các vấn đề đa nhãn ...

Anh chàng này tuyên bố anh ta đã giải quyết nó.

Sklearn có một phương thức cho nó bằng cách sử dụng mà bạn có thể tính toán ma trận nhầm lẫn cho nhiều lớp.

from sklearn import cross_validation
confusion_matrix(original, Predicted)

Hãy thử mlxtend . Dưới đây là một ví dụ về trường hợp đa lớp: http://rasbt.github.io/mlxtend/user_guide/evalu/confusion_matrix/#example-2-multi- class- classifying

Có nhiều tham số khác nhau có thể đánh giá hiệu suất của phương pháp của bạn bằng cách so sánh các nhãn thực và dự đoán. Tôi đề nghị mô-đun PyCM có thể cung cấp rất nhiều các tham số phù hợp cho phân loại nhiều lớp.

Scikit-learn không hỗ trợ ma trận nhầm lẫn đa nhãn. Xem các liên kết dưới đây để biết tài liệu và hướng dẫn sử dụng:

http://scikit-learn.org/urdy/modules/generated/sklearn.metrics.confusion_matrix.html

http://scikit-learn.org/urdy/modules/model_evalu.html#confusion-matrix

Nhìn vào thư viện sed_eval . Nó được phát triển để đánh giá phát hiện sự kiện trong âm thanh là một vấn đề đa nhãn (như trong mỗi âm thanh, có nhiều sự kiện tồn tại). Họ có nhiều lựa chọn đánh giá, có thể phù hợp với nhu cầu của bạn. Bạn có thể nhận được tỷ lệ dương thực sự, ... và từ đó tính toán ma trận nhầm lẫn không khó lắm.

Mặc dù câu hỏi này đã cũ nhưng tôi đang viết câu trả lời này cho khán giả mới.
scikit-learn hiện hỗ trợ ma trận nhầm lẫn để phân loại nhiều nhãn.

https://scikit-learn.org/urdy/modules/generated/sklearn.metrics.multilabel_confusion_matrix.html