metrics模块混淆矩阵常用函数

发布时间:2019-03-11  栏目:威尼斯人平台  评论:0 Comments

配备参数

  • 三脚架类型:远摄镜稳定臂
  • 其他品质:最大尺寸60cm 最小长度40cm 节数2节

翻开完整参数>>

配备参数

  • 参天工作中度:594mm
  • 三脚架类型:多用伞
  • 任何质量:多用伞具/UC-6 中度: 约3.6cm(折叠时)
       约6.4cm(套筒竖马上) 长度: 约23cm 最大开间: 约9.8cm 重量:
    约160g 附属品: 多职能伞 多职能伞 撑开的直径: 约90cm 深度: 约20cm
    伞杆直径: 10mm 伞杆长度(伸长时): 53cm 重量: 约315g

翻开完整参数>>

铺排参数

  • 类型:三脚架
  • 三脚架类型:三脚架背袋
  • 其余属性:长度70cm 内底部最大直径:13cm 内顶部最大直径:15cm

查阅完整参数>>

from sklearn import metrics

1.accuracy_metrics模块混淆矩阵常用函数。score(y_true, y_pred, normalize=True, sample_weight=None)

参数分别为y实际类别、预测种类、再次回到值供给(True再次回到正确的范本占比,false再次来到的是合情合理分类的样书数量)

eg:

>>> import numpy as np

>>> from sklearn.metrics import accuracy_score

>>> y_pred = [0, 2, 1, 3]

>>> y_true = [0, 1, 2, 3]

>>> accuracy_score(y_true, y_pred)

0.5

>>> accuracy_score(y_true, y_pred, normalize=False)

2.classification_report(y_true, y_pred, labels=None,
target_names=None, sample_weight=None, digits=2)

参数:真是品种,预测种类,指标项目称号

eg:

威尼斯人平台 1

3.confusion_matrix(y_true, y_pred, labels=None, sample_weight=None)

输出为混淆矩阵

eg:

威尼斯人平台 2

太多了,写3个常用的呢,具体参考help(metrics)

文末惊喜在此:

纯手工Python混淆矩阵作图代码案例

defcm_威尼斯人平台,plot(y,yp):#参数为实际分类和展望分类

fromsklearn.metricsimportconfusion_matrix

#导入混淆矩阵函数

cm = confusion_matrix(y,yp)

#输出为混淆矩阵

importmatplotlib.pyplotasplt

#导入作图函数

plt.matshow(cm,cmap=plt.cm.Greens)

# 画混淆矩阵图,配色风格使用cm.格林s

plt.colorbar()

# 颜色标签

forxinrange(len(cm)):

foryinrange(len(cm)):

plt.annotate(cm[x,y],xy=(x,y),horizontalalignment=’center’,verticalalignment=’center’)

#annotate首要在图纸中添加注释

# 第2个参数添加注释

# 第二个参数是注释的内容

# xy设置箭头尖的坐标

#horizontalalignment水平对齐

#verticalalignment垂直对齐

#别的常用参数如下:

# xytext设置注释内容展现的起始地点

# arrowprops 用来安装箭头

# facecolor 设置箭头的颜色

# headlength 箭头的头的长度

# headwidth 箭头的增长幅度

# width 箭身的上升幅度

plt.ylabel(‘True label’)# 坐标轴标签

plt.xlabel(‘Predicted label’)# 坐标轴标签

returnplt

#函数调用

cm_plot(train[:,3],tree.predict(train[:,:3])).show()

输出结果图:

威尼斯人平台 3

留下评论

网站地图xml地图