天软金融分析.NET函数大全 > 金融函数 > 专题函数 > 机器学习 > 机器学习算法评价方法 > 分类算法评价指标

multilabel_confusion_matrix    

简述
多标签混淆矩阵,适用于单标签和多标签。本函数支持多标签分类,单标签分类,
但在计算单标签分类的混淆矩阵的时候,跟confusion_matrix是不一样的
定义
multilabel_confusion_matrix(y_true:Array;y_pred:Array;labels:Array; sample_weight:Array;samplewise:Bool) : matrix;
参数
名称类型说明
y_trueArray真实值标签,一维或者二维数组
y_predArray预测值标签 ,与y_true统一大小
labelsArray要计算的标签集合,默认全部计算
sample_weightArray样本权重
samplewiseBool布尔值,表示是否按样本统计混淆矩阵,只适用于多标签
返回 matrix混淆矩阵,每一行的小矩阵表示每个标签的混淆矩阵,表示当前标签为正类,其他为负类。
  • 范例

    范例01:
    //只给单标签的y_true和p_pred
      y1 := array(1,0,1,0,2,3,2,2,2);
      y2 := array(0,1,1,0,2,3,2,2,2);
    return multilabel_confusion_matrix(y1,y2);


    范例02:
    //只给多标签的y_true和y_pred
       y_true := array((1,0,1),(0,1,0));
       y_pred := array((1,0,0),(0,1,1));
       return multilabel_confusion_matrix(y_true,y_pred);
       

    范例03:
       //多标签情况下指定sample_weight
       y_true := array((1,0,1),(0,1,0));
       y_pred := array((1,0,0),(0,1,1));
       sample_weight := array(1,2.5);
       return multilabel_confusion_matrix(y_true,y_pred,nil,sample_weight);
       

    范例04:
       //多标签情况下指定labels
       y_true := array((1,0,1),(0,1,0));
       y_pred := array((1,0,0),(0,1,1));
       labels := array(0,1); //多标签一个递增array,从0开始,到多标签的维度-1
       return multilabel_confusion_matrix(y_true,y_pred,labels);
       

    范例05:
       //单标签情况下指定labels
       y1 := array(1,0,1,0,2,3,2,2,2);
       y2 := array(0,1,1,0,2,3,2,2,2);
       labels := array(1,2);
       return multilabel_confusion_matrix(y1,y2,labels);
       

    范例06:
       //指定samplewise,只有在多标签下使用,为真时表示求标签矩阵的转置的多标签混淆矩阵
       y_true := array((1,0,1),(0,1,0));
       y_pred := array((1,0,0),(0,1,1));
       samplewise := true;
       return multilabel_confusion_matrix(y_true,y_pred,nil,nil,samplewise);
相关