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
)

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_classes 是 None ，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。