使用 cross_validate 生成混淆矩阵

如何解决使用 cross_validate 生成混淆矩阵

我想弄清楚如何使用 cross_validate 生成混淆矩阵。我可以用目前的代码打印出分数。

# Instantiating model
model = DecisionTreeClassifier()

#scores
scoring = {'accuracy' : make_scorer(accuracy_score),'precision' : make_scorer(precision_score),'recall' : make_scorer(recall_score),'f1_score' : make_scorer(f1_score)}

# 10-fold cross validation
scores = cross_validate(model,X,y,cv=10,scoring=scoring)

print("Accuracy (Testing):  %0.2f (+/- %0.2f)" % (scores['test_accuracy'].mean(),scores['test_accuracy'].std() * 2))
print("Precision (Testing):  %0.2f (+/- %0.2f)" % (scores['test_precision'].mean(),scores['test_precision'].std() * 2))
print("Recall (Testing):  %0.2f (+/- %0.2f)" % (scores['test_recall'].mean(),scores['test_recall'].std() * 2))
print("F1-score (Testing):  %0.2f (+/- %0.2f)" % (scores['test_f1_score'].mean(),scores['test_f1_score'].std() * 2))

但我正在尝试将这些数据放入混淆矩阵中。我可以通过使用 cross_val_predict 来制作混淆矩阵 -

y_train_pred = cross_val_predict(model,cv=10)
confusion_matrix(y,y_train_pred)

这很好，但由于它进行了自己的交叉验证，结果将不匹配。我只是在寻找一种方法来产生匹配的结果。

任何帮助或指示都会很棒。谢谢！

解决方法

答案是你不能。

混淆矩阵的思想是使用一个训练好的模型评估一个数据。结果是矩阵，而不是像准确率这样的分数。所以你不能计算平均值或类似的东西。 cross_val_score 顾名思义，仅适用于分数。混淆矩阵不是一个分数，它是对评估过程中发生的事情的一种总结。

cross_val_predict 与您要查找的内容非常相似。此函数将数据拆分为 K 部分。每个部分都将使用您使用其他部分数据获得的模型进行测试。所有测试过的样本将被合并。但是要小心这个函数： “将这些预测传递到评估指标中可能不是衡量泛化性能的有效方法。结果可能与 cross_validate 和 cross_val_score 不同，除非所有测试集具有相同的大小并且指标在样本上分解。 “

,

我认为最好的方法是将混淆矩阵定义为一个记分器，而不是您定义的其他矩阵，或者除此之外。幸运的是，这是用户指南中的一个示例；查看第三个项目符号 here：

def confusion_matrix_scorer(clf,X,y):
    y_pred = clf.predict(X)
    cm = confusion_matrix(y,y_pred)
    return {'tn': cm[0,0],'fp': cm[0,1],'fn': cm[1,'tp': cm[1,1]}
cv_results = cross_validate(svm,y,cv=5,scoring=confusion_matrix_scorer)

然后cv_results['test_tp']（等）是每个折叠的真阳性数量的列表。现在您可以聚合混淆矩阵，但最适合您。

---

首先想到了另一种方法，我会在这里添加它，以防它有助于理解 sklearn 如何处理事物。但我绝对认为第一种方法更好。

您可以在 return_estimator 中设置 cross_validate，在这种情况下，返回的字典有一个键 estimator，其值为拟合模型列表。不过，您仍然需要能够找到相应的测试折叠。为此，您可以手动定义您的 cv 对象（例如 cv = StratifiedKFold(10) 和 cross_validate(...,cv=cv)；然后 cv 仍将包含用于进行拆分的相关数据。因此您可以使用拟合估计器对适当的测试折叠进行评分，生成混淆矩阵。或者您可以使用 cross_val_predict(...,cv=cv)，但此时您会重复拟合，因此您可能应该跳过 cross_validate 并自己进行循环。