Scikit-lernen: Wie berechnet man die wahre Negative

Question

Ich benutze Scikit-Learning und ich muss die True positiv (TP), die False Positive (FP), die True Negative (TN) und die False Negative (FN) aus einer Konfusionsmatrix wie folgt aus:

[[2 0 3 4] 
[0 4 5 1] 
[1 0 3 2] 
[5 0 0 4]] 

ich weiß, wie die TP zu berechnen, die FP und die FN, aber ich weiß nicht, wie die TN zu bekommen. Kann mir das jemand sagen?

Answer 1

Ich denke, Sie sollten diese Multi-Class-Klassifizierung in einer Eins-gegen-den-Rest-Art behandeln (so misst jede 2x2 Tabelle i die Leistung eines binären Klassifizierungsproblems, ob jedes obs zu Label i gehört oder nicht). Folglich können Sie TP, FP, FN, TN für jedes einzelne Label berechnen.

import numpy as np 

confusion_matrix = np.array([[2,0,3,4], 
          [0,4,5,1], 
          [1,0,3,2], 
          [5,0,0,4]]) 

def process_cm(confusion_mat, i=0, to_print=True): 
    # i means which class to choose to do one-vs-the-rest calculation 
    # rows are actual obs whereas columns are predictions 
    TP = confusion_mat[i,i] # correctly labeled as i 
    FP = confusion_mat[:,i].sum() - TP # incorrectly labeled as i 
    FN = confusion_mat[i,:].sum() - TP # incorrectly labeled as non-i 
    TN = confusion_mat.sum().sum() - TP - FP - FN 
    if to_print: 
     print('TP: {}'.format(TP)) 
     print('FP: {}'.format(FP)) 
     print('FN: {}'.format(FN)) 
     print('TN: {}'.format(TN)) 
    return TP, FP, FN, TN 

for i in range(4): 
    print('Calculating 2x2 contigency table for label{}'.format(i)) 
    process_cm(confusion_matrix, i, to_print=True) 

Calculating 2x2 contigency table for label0 
TP: 2 
FP: 6 
FN: 7 
TN: 19 
Calculating 2x2 contigency table for label1 
TP: 4 
FP: 0 
FN: 6 
TN: 24 
Calculating 2x2 contigency table for label2 
TP: 3 
FP: 8 
FN: 3 
TN: 20 
Calculating 2x2 contigency table for label3 
TP: 4 
FP: 7 
FN: 5 
TN: 18 

Answer 2

Ich denke für ein Multiklassen-Problem wie dieses müssen Sie entscheiden, welche dieser 4 Klassen als positiv betrachtet werden kann und Sie müssen Rest 3 als negativ kombinieren, um richtiges Negativ zu berechnen. Eine ausführliche Diskussion wurde here getan.