说起混淆矩阵这玩意,要从当年我记TP,FP,TN,FN说起。
但我不想扯太远,简而言之就是个矩阵,如果acc够好的话,那么这个矩阵的对角线上的值最大,如果是热度图,那么颜色最深。
自己写个函数也不费劲。预测的结果和ground_truth直接排一下就哦了。多分类和多标签问题暂不支持,当然有这个。
寡人试试徒手造个小轮子,看看是否费劲。【造得了轮子,登得了大雅之堂,事无巨细,事必躬亲,身体力行,差不多就等寡人亲政了,哈哈】
在truth和pred中,必然是一一对应,且shape一样,都是一维度。
另外标签应具有唯一性,如果给定了所有标签labels的话,truth及pred的标签必须都在labels中,如果没有给定labels,那么需要先求出labels,以set来定。
遇到各种小细节,不过最后终于得到稳定的结果:
标签一定要固定顺序,不然结果一直变,还以为是错了,其实不是,标签顺序不同,CM不同
如果给定了标签,那么标签的顺序不能修改。
仍旧记得speech_command,tf官方给的最简单的语音识别的case,这里面有提及怎么求,这里还是用tf,当然也有其他现成的函数,在sklearn中。以sklearn中例子来说明
上结果:不考虑给定的标签不全的问题,也就是说给定的标签有误,只是一个比较的问题,不再写<