混淆矩阵错误：实际值和预测值之间的数据类型不匹配

Question

原始数据集如上图所示。CO（ppm）是因变量。

model = Sequential()
#First Hidden Layer
model.add(Dense(64, activation='relu', kernel_initializer='random_normal', input_dim=19))
#Second  Hidden Layer
model.add(Dense(4, activation='relu', kernel_initializer='random_normal'))
#model.add(Dropout(0.3))
#Output Layer
model.add(Dense(1, activation='sigmoid', kernel_initializer='random_normal'))

对于上面显示的二进制分类问题，我试图获得混淆矩阵。我有由y_pred和y_test生成的数组，数据类型不匹配，因为y_pred输出的值范围为0到1（sigmoid激活函数），而y_test的数组仅由0和1组成。

如果有人能帮我找到一种绘制混淆矩阵的方法，我将不胜感激。

非常感谢。

Answer 1

假设任何预测类大于或等于0.5，并且假设最终激活映射了0和1之间的任何非包容性值，则可以执行以下操作：

y_pred = np.where(y_pred >= 0.5, 1, 0)

任何大于等于0.5的值都将映射为1，否则为0。之后，您可以使用sklearn的混淆矩阵方法获得混淆矩阵：

sklearn.metrics.confusion_matrix(y_true, y_pred)

例子：

y_true = np.array([1, 0, 0, 1, 1, 1, 0, 0])

y_pred = np.array([0.8, 0.1, 0.4, 0.6, 0.9, 0.69, 0.46, 0.21])
y_pred = np.where(y_pred >= 0.5, 1, 0)

sklearn.metrics.confusion_matrix(y_true, y_pred)

输出：

array([[4, 0],
       [0, 4]])