当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python tf.compat.v1.confusion_matrix用法及代码示例


根据预测和标签计算混淆矩阵。

用法

tf.compat.v1.confusion_matrix(
    labels, predictions, num_classes=None, dtype=tf.dtypes.int32, name=None,
    weights=None
)

参数

  • labels 用于分类任务的真实标签的 1-D Tensor
  • predictions 给定分类的一维Tensor预测。
  • num_classes 分类任务可能具有的标签数量。如果未提供此值,则将使用预测和标签数组进行计算。
  • dtype 混淆矩阵的数据类型。
  • name 范围名称。
  • weights 一个可选的 Tensor ,其形状匹配 predictions

返回

  • dtype 类型的 Tensor 形状为 [n, n] 表示混淆矩阵,其中 n 是分类任务中可能的标签数。

抛出

  • ValueError 如果预测和标签都不是一维向量并且形状不匹配,或者如果 weights 不是 None 并且其形状不匹配 predictions

矩阵列代表预测标签,行代表真实标签。混淆矩阵始终是形状为 [n, n] 的二维数组,其中 n 是给定分类任务的有效标签数。预测和标签都必须是相同形状的一维数组,才能使该函数起作用。

如果 num_classesNone ,则 num_classes 将设置为预测或标签中的最大值加一。类标签应从 0 开始。例如,如果 num_classes 为 3,则可能的标签将是 [0, 1, 2]

如果 weights 不是 None ,则每个预测都将其相应的权重贡献给混淆矩阵单元的总值。

例如:

tf.math.confusion_matrix([1, 2, 4], [2, 2, 4]) ==>
      [[0 0 0 0 0]
       [0 0 1 0 0]
       [0 0 1 0 0]
       [0 0 0 0 0]
       [0 0 0 0 1]]

请注意,可能的标签假定为 [0, 1, 2, 3, 4] ,从而产生 5x5 混淆矩阵。

相关用法


注:本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.compat.v1.confusion_matrix。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。