Python-Bibliothek, die die Verwirrungsmatrix für die Klassifizierung mehrerer Labels berechnen kann

9

Ich suche nach einer Python-Bibliothek, die die Verwirrungsmatrix für die Klassifizierung mehrerer Labels berechnen kann .

Zu Ihrer Information:

scikit-learn unterstützt kein Multi-Label für Verwirrungsmatrix)
Was ist der Unterschied zwischen Multiclass und Multilabel Problem?

python software-recommendation multilabel-classification

— Franck Dernoncourt
quelle

Was hast du am Ende gemacht?

— Morteza Shahriari Nia

@MortezaShahriariNia Ich blieb monolabeled.

— Franck Dernoncourt

Wie würde eine theoretische Multilabel-Verwirrungsmatrix aussehen? Ich glaube nicht, dass es zutrifft, oder?

— user798719

3

Sehr lustig, dass alle 3 Antworten auf diese Frage von so bemerkenswert geringer Qualität sind.

— Monica Heddneck

Keine Pakete bekannt, aber Sie könnten möglicherweise alle möglichen Multi-Label-Kombinationen als separate Klasse betrachten und einige der bereits verfügbaren Pakete für mehrere Klassen verwenden. Erstellen Sie dann aus dieser Verwirrung Ihre Multi-Label-Matrix

— Valentin Calomme

3

Schauen Sie sich auch scikit-multilearn an . Es ist eine sehr gute Bibliothek, die sklearn für das Lernen mit mehreren Labels erweitert. Ich bin mir jedoch nicht sicher, wie die Verwirrungsmatrix bei Problemen mit mehreren Etiketten funktioniert ...

Dieser Typ behauptet, er habe es gelöst.

1

Sklearn verfügt über eine Methode, mit der Sie die Verwirrungsmatrix für mehrere Klassen berechnen können.

from sklearn import cross_validation
confusion_matrix(original, Predicted)

— Vivek Srinivasan
quelle

1

Wie wäre es mit Multi-Label? github.com/scikit-learn/scikit-learn/issues/3452 ist noch offen

— Franck Dernoncourt

1

Versuchen Sie es mit mlxtend . Hier ist ein Beispiel für einen Fall mit mehreren Klassen: http://rasbt.github.io/mlxtend/user_guide/evaluate/confusion_matrix/#example-2-multi-class-classification

— Icyblade
quelle

2

Wie wäre es mit Multi-Label Multi-Class? Wird es unterstützt?

— Franck Dernoncourt

1

Es gibt viele verschiedene Parameter, mit denen Sie die Leistung Ihrer Methode bewerten können, indem Sie die tatsächlichen und vorhergesagten Bezeichnungen vergleichen. Ich schlage ein PyCM- Modul vor, das eine Vielzahl dieser Parameter liefern kann, die für die Klassifizierung mehrerer Klassen geeignet sind.

— Alireza Zolanvari
quelle

0

Scikit-learn unterstützt die Multi-Label-Verwirrungsmatrix. Dokumentation und Benutzerhandbuch finden Sie unter den folgenden Links:

http://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html

http://scikit-learn.org/stable/modules/model_evaluation.html#confusion-matrix

— Kristin H.
quelle

1

Danke, deshalb suche ich nach einer alternativen Option :-)

— Franck Dernoncourt

0

Schauen Sie sich die sed_eval- Bibliothek an. Es wurde zur Bewertung der Ereigniserkennung in Audio entwickelt, bei der es sich um ein Multi-Label-Problem handelt (wie bei jedem Audio existieren mehrere Ereignisse). Sie haben viele Bewertungsoptionen, die möglicherweise Ihren Anforderungen entsprechen. Sie können die wahr-positive Rate erhalten, ... und von dort aus ist die Berechnung der Verwirrungsmatrix nicht so schwierig.

— PickleRick
quelle

0

Obwohl diese Frage alt ist, schreibe ich diese Antwort für ein neues Publikum.
scikit-learn unterstützt jetzt die Verwirrungsmatrix für die Klassifizierung mehrerer Labels.

https://scikit-learn.org/stable/modules/generated/sklearn.metrics.multilabel_confusion_matrix.html

— Vivek Mehta
quelle