混淆矩阵不支持Multilabel-indicator
multilabel-indicator is not supported 是我在尝试运行时收到的错误消息：
confusion_matrix(y_test, predictions)
y_test是DataFrame形状如下的：
Horse | Dog | Cat
1 0 0
0 1 0
0 1 0
... ... ...
predictions是一个numpy array：
[[1, 0, 0],
[0, 1, 0],
[0, 1, 0]]
我已经搜索了一些错误消息，但还没有真正找到可以应用的内容。有什么提示吗？
问题答案：
不，您输入的内容confusion_matrix必须是预测列表，而不是OHE（一种热编码）。调用argmax您的y_test和y_pred，您应该得到期望的结果。
confusion_matrix(
y_test.values.argmax(axis=1), predictions.argmax(axis=1))
array([[1, 0],
[0, 2]])
-
我正在对实际数据和来自分类器的预测数据进行多标签分类。实际数据包括三类（c1、c2和c3），同样，预测数据也包括三类（c1、c2和c3）。数据如下 在多标签分类中，文档可能属于多个类别。在上述数据中，1表示文档属于特定类，0表示文档不属于特定类。 第一行Actual\u数据表示文档属于c1类和c2类，不属于c3类。类似地，第一行predicted\u数据表示文档属于类别c1、c2和c3。 最初我使
-
我使用混淆矩阵模块将类预测结果与实际值进行比较。 我得到了这个错误： 回溯（最后一次调用）：文件“vis.py”，第757行，在cnf_矩阵=混乱矩阵（y_test，y_pred）文件“C:\Anaconda\envs\nn35\lib\site packages\sklearn\metrics\classification.py”第240行，混乱矩阵y_type，y_true，y_pred=_c
-
我试图弄清楚如何使用神经网络为多标签分类任务生成混淆矩阵。我之前设法使用函数“交集”计算准确性，因为对此我不关心任何排序。 然而，为了计算混淆矩阵，我确实关心预测/标签的索引顺序。由于标签的值始终相同（
-
如何分析Weka中的混淆矩阵，以获得准确度？我们知道，由于数据集不平衡，精度不准确。混淆矩阵如何“确认”准确性？ 示例：a）准确率96.1728% b） 准确率：96.8% 等...
-
目前我们衡量分类器准确率的方式是使用以下公式：正确分类的记录数÷记录总数。 有时我们会需要一个更为详细的评价结果，这时就会用到一个称为混淆矩阵的可视化表格。 表格的行表示测试用例实际所属的类别，列则表示分类器的判断结果。 混淆矩阵可以帮助我们快速识别出分类器到底在哪些类别上发生了混淆，因此得名。 让我们看看运动员的示例，这个数据集中有300人，使用十折交叉验证，其混淆矩阵如下： 可以看到，100个
-
我想在weka中进行分类。我正在使用一些方法（随机树、随机森林、决策表、随机子空间...），但它们会给出如下结果。 然而，我希望结果作为准确度和混淆矩阵。我怎样才能得到这样的结果？ 注意：当我使用小数据集时，它会以混淆矩阵的形式给出结果。它可以与数据集的大小相关吗？