混淆矩阵

目录

混淆矩阵

原理

代码

---

混淆矩阵

原理

在机器学习中尤其是统计分类中，混淆矩阵（confusion matrix），也被称为错误矩阵（error matrix）。

矩阵的每一列表达了分类器对于样本的类别预测，二矩阵的每一行则表达了版本所属的真实类别

之所以叫做’混淆矩阵‘，是因为能够很容易的看到机器学习有没有将样本的类别给混淆了。

代码

import numpy as np

def confusion_matrix(labels, predictions, class_num = 45, normalization=True):
    """
    :param labels: list, for example [1, 2, 3, 4, 5, 6, 7]
    :param predictions:  list, length equals the length of labels, for example [1, 2, 3, 4, 6, 6, 7]
    :param class_num: total classes
    :param normalization: nomalization at [0, 1]
    :return: matrix, shape is [class_num, class_num]
    """
    assert len(labels) == len(predictions)
    _matrix = np.zeros((class_num, class_num))
    _total = [0 for i in range(class_num)]
    for label, prediction in zip(labels, predictions):
        _matrix[label, prediction] += 1
        _total += 1
    if normalization:
        _matrix = np.transpose(np.transpose(_matrix) * 1. / _total)
    return _matrix