Python–tensorflow.math.muffusion_matrix()
原文:https://www.geeksforgeeks.org/python-tensorflow-math-mission_matrix/
TensorFlow 是谷歌设计的开源 Python 库，用于开发机器学习模型和深度学习神经网络。混淆_矩阵()用于从预测和标签中找到混淆矩阵。
语法:tensorflow.math.muffusion_matrix(标签、预测、num_classes、权重、数据类型、名称)
参数:
- 标签:这是一个一维张量，包含分类任务的真实标签。
- 预测:也是和标签形状一样的一维张量。它的值代表预测的类别。
- num_class(可选):这是分类任务可能具有的标签/类的数量。如果没有提供，那么 num_classes 将比预测或标签中的最大值多一个。
- 权重(可选):这是一个与预测形状相同的张量，其值定义了每个预测的相应权重。
- dtype(可选):定义返回混淆矩阵的 dtype。如果是 tensor flow.dt types.int 32，则为默认值。
- 名称(可选):定义操作的名称。
返回: 它返回形状[n，n]的混淆矩阵，其中 n 是标签的可能数量。
例 1:
蟒蛇 3
# importing the library
import tensorflow as tf
# Initializing the input tensor
labels = tf.constant([1,3,4],dtype = tf.int32)
predictions = tf.constant([1,2,3],dtype = tf.int32)
# Printing the input tensor
print('labels: ',labels)
print('Predictions: ',predictions)
# Evaluating confusion matrix
res = tf.math.confusion_matrix(labels,predictions)
# Printing the result
print('Confusion_matrix: ',res)
输出:
labels: tf.Tensor([1 3 4], shape=(3,), dtype=int32)
Predictions: tf.Tensor([1 2 3], shape=(3,), dtype=int32)
Confusion_matrix: tf.Tensor(
[[0 0 0 0 0]
[0 1 0 0 0]
[0 0 0 0 0]
[0 0 1 0 0]
[0 0 0 1 0]], shape=(5, 5), dtype=int32)
示例 2: 本示例为所有预测提供权重。
蟒蛇 3
# importing the library
import tensorflow as tf
# Initializing the input tensor
labels = tf.constant([1,3,4],dtype = tf.int32)
predictions = tf.constant([1,2,4],dtype = tf.int32)
weights = tf.constant([1,2,2], dtype = tf.int32)
# Printing the input tensor
print('labels: ',labels)
print('Predictions: ',predictions)
print('Weights: ',weights)
# Evaluating confusion matrix
res = tf.math.confusion_matrix(labels, predictions, weights=weights)
# Printing the result
print('Confusion_matrix: ',res)
输出:
labels: tf.Tensor([1 3 4], shape=(3,), dtype=int32)
Predictions: tf.Tensor([1 2 4], shape=(3,), dtype=int32)
Weights: tf.Tensor([1 2 2], shape=(3,), dtype=int32)
Confusion_matrix: tf.Tensor(
[[0 0 0 0 0]
[0 1 0 0 0]
[0 0 0 0 0]
[0 0 2 0 0]
[0 0 0 0 2]], shape=(5, 5), dtype=int32)
