Scikit学习：如何获得真肯定，真否定，假肯定和假否定

Question

我的问题：

我有一个很大的JSON文件的数据集。我阅读并将其存储在trainList变量中。

接下来，我对其进行预处理-以便能够使用它。

完成后，我便开始分类：

1. 我使用kfold交叉验证方法以获得平均准确度并训练分类器。
2. 我进行了预测，并获得了该折痕的准确性和混乱度矩阵。
3. 在此之后，我想获得的True Positive(TP)，True Negative(TN)，False Positive(FP)和False Negative(FN)值。我将使用这些参数来获得 敏感性 和 特异性 。

最后，我将使用它来放入HTML，以显示带有每个标签TP的图表。

码：

我目前拥有的变量：

trainList #It is a list with all the data of my dataset in JSON form
labelList #It is a list with all the labels of my data

该方法的大部分：

#I transform the data from JSON form to a numerical one
X=vec.fit_transform(trainList)

#I scale the matrix (don't know why but without it, it makes an error)
X=preprocessing.scale(X.toarray())

#I generate a KFold in order to make cross validation
kf = KFold(len(X), n_folds=10, indices=True, shuffle=True, random_state=1)

#I start the cross validation
for train_indices, test_indices in kf:
    X_train=[X[ii] for ii in train_indices]
    X_test=[X[ii] for ii in test_indices]
    y_train=[listaLabels[ii] for ii in train_indices]
    y_test=[listaLabels[ii] for ii in test_indices]

    #I train the classifier
    trained=qda.fit(X_train,y_train)

    #I make the predictions
    predicted=qda.predict(X_test)

    #I obtain the accuracy of this fold
    ac=accuracy_score(predicted,y_test)

    #I obtain the confusion matrix
    cm=confusion_matrix(y_test, predicted)

    #I should calculate the TP,TN, FP and FN 
    #I don't know how to continue

Answer 1

如果您有两个包含预测值和实际值的列表；看起来就像您所做的那样，您可以将它们传递给一个函数，该函数将使用以下内容来计算TP，FP，TN，FN：

def perf_measure(y_actual, y_hat):
    TP = 0
    FP = 0
    TN = 0
    FN = 0

    for i in range(len(y_hat)): 
        if y_actual[i]==y_hat[i]==1:
           TP += 1
        if y_hat[i]==1 and y_actual[i]!=y_hat[i]:
           FP += 1
        if y_actual[i]==y_hat[i]==0:
           TN += 1
        if y_hat[i]==0 and y_actual[i]!=y_hat[i]:
           FN += 1

    return(TP, FP, TN, FN)

我认为您可以从这里计算出您感兴趣的利率，以及其他性能指标（例如特异性和敏感性）。