scikit-learn中可以得到SVM评分函数中的错误预测列表吗？

我们可以使用svm.SVC.score()来评估SVM模型的准确性。我想在预测错误的情况下得到预期的课程和实际的课程。我如何在scikit-learn中实现这个目标？scikit-learn中可以得到SVM评分函数中的错误预测列表吗？

来源

2017-07-18 Kumar Ashutosh

嗨，欢迎来到Stack Overflow，请花点时间浏览[欢迎导览]（https://stackoverflow.com/tour），在此处了解您的方式（并获取您的第一个徽章），阅读如何创建[Minimal，Complete和Verifiable示例]（https://stackoverflow.com/help/mcve）并检查[如何提出好问题]（https://stackoverflow.com/help/how-to - 问），所以你增加了获得反馈和有用答案的机会。 – DarkCygnus

这取决于你想要哪种形式的错误预测。对于大多数用例来说，混淆矩阵应该足够。

混淆矩阵是实际类别与预测类别的图表，因此图表的对角线是所有正确的预测，其余单元是不正确的预测。

你可以看到sklearn的Confusion Matrix example混淆矩阵的一个更好的例子。

如果您只是想要列出所有错误分类的值以及它们的预测类和实际类，则可以执行下列操作。

只需选择实际类别和预测类别不相等的所有数据行。

import numpy as np 
import pandas as pd 

X = np.array([0.1, 0.34, 0.2, 0.98]) 
y = np.array(["A", "B", "A", "C"]) 

y_pred = np.array(["A", "C", "B", "C"]) 

df = pd.DataFrame(X, columns=["X"]) 
df["actual"] = y 
df["predicted"] = y_pred 

incorrect = df[df["actual"] != df["predicted"]]

在这种情况下，incorrect将包含以下条目。

 X actual predicted 
1 0.34  B   C 
2 0.20  A   B

来源

2017-07-18 20:47:18

最简单的方法就是遍历你的预测（正确分类），做任何你想要的输出（在下面的例子中，我将只打印到标准输出）。

让我们假设你的数据在输入，标签和你训练的SVM是CLF，那么你可以做

predictions = clf.predict(inputs) 
for input, prediction, label in zip(inputs, predictions, labels): 
    if prediction != label: 
    print(input, 'has been classified as ', prediction, 'and should be ', label)

来源

2017-07-18 20:50:02 lejlot

您可以直接使一个混淆矩阵使用sklearn。它给出了一个（2 * 2）矩阵。

from sklearn import metrics 

my_matrix = metrics.confusion_matrix(Y_test, Y_predicted)

Y_test：你的测试类的数组

Y_predicted：通过模型预测的阵列

混淆矩阵会给你的细胞：真正的正值，假阳性值，假阴性值和真负值。请致电this。

来源

2017-07-20 09:14:47 Blessy

scikit-learn中可以得到SVM评分函数中的错误预测列表吗？

回答

相关问题