Bibliothèque Python capable de calculer la matrice de confusion pour la classification multi-étiquettes

9

Je cherche une bibliothèque Python qui peut calculer la matrice de confusion pour la classification multi-étiquettes .


Pour info:

Franck Dernoncourt
la source
Qu'avez-vous fini par faire?
Morteza Shahriari Nia
@MortezaShahriariNia Je suis resté monolabel.
Franck Dernoncourt
à quoi ressemblerait une matrice de confusion multi-étiquettes théorique? Je ne pense pas que cela s'applique, n'est-ce pas?
user798719
3
très drôle que les 3 réponses à cette question soient d'une qualité remarquablement faible.
Monica Heddneck
Pas au courant des packages, mais vous pouvez peut-être considérer toutes les combinaisons multi-étiquettes possibles comme une classe distincte et utiliser certains des packages déjà disponibles pour les classes multiples. Ensuite, à partir de cette confusion, construisez votre matrice multi-étiquettes
Valentin Calomme

Réponses:

3

Jetez également un œil à scikit-multilearn . C'est une très bonne bibliothèque qui étend sklearn pour l'apprentissage multi-labels. Cependant, je ne sais pas comment fonctionne la matrice de confusion pour les problèmes multi-étiquettes ...

Ce mec prétend qu'il l'a résolu.


la source
1

Sklearn a une méthode pour cela en utilisant laquelle vous pouvez calculer la matrice de confusion pour plusieurs classes.

from sklearn import cross_validation
confusion_matrix(original, Predicted)
Vivek Srinivasan
la source
1
que diriez-vous du multi-label? github.com/scikit-learn/scikit-learn/issues/3452 est toujours ouvert
Franck Dernoncourt
1

Il existe de nombreux paramètres différents qui peuvent évaluer les performances de votre méthode en comparant les étiquettes réelles et prédites. Je suggère le module PyCM qui peut donner une grande variété de ces paramètres qui conviennent à la classification multi-classes.

Alireza Zolanvari
la source
0

Regardez la bibliothèque sed_eval . Il est développé pour évaluer la détection d'événements en audio qui est un problème multi-labels (comme dans chaque audio, plusieurs événements existent). Ils ont de nombreuses options d'évaluation, qui pourraient correspondre à vos besoins. Vous pouvez obtenir le taux vraiment positif, ... et à partir de là, calculer la matrice de confusion n'est pas si difficile.

PickleRick
la source