다중 레이블 분류를 위해 혼동 행렬을 계산할 수있는 Python 라이브러리

다중 레이블 분류를 위해 혼동 행렬을 계산할 수있는 Python 라이브러리를 찾고 있습니다 .

참고 사항 :

• scikit-learn 은 혼동 행렬에 대해 다중 레이블을 지원 하지 않습니다 )
• 멀티 클래스와 멀티 라벨 문제의 차이점

scikit-multilearn도 살펴보십시오 . 다중 레이블 학습을 위해 sklearn을 확장하는 매우 좋은 라이브러리입니다. 그러나 다중 레이블 문제에 대해 혼동 행렬이 어떻게 작동하는지 잘 모르겠습니다.

이 사람 은 그가 해결 했다고 주장 합니다.

Sklearn에는 멀티 클래스에 대한 혼동 행렬을 계산할 수있는 방법이 있습니다.

from sklearn import cross_validation
confusion_matrix(original, Predicted)

mlxtend 사용해보십시오 . 다음은 멀티 클래스 사례의 예입니다. http://rasbt.github.io/mlxtend/user_guide/evaluate/confusion_matrix/#example-2-multi-class-classification

실제 레이블과 예측 된 레이블을 비교하여 분석법의 성능을 평가할 수있는 여러 가지 매개 변수가 있습니다. 멀티 클래스 분류에 적합한 이러한 매개 변수를 다양하게 제공 할 수있는 PyCM 모듈을 제안 합니다.

Scikit-learn은 다중 레이블 혼동 매트릭스를 지원합니다. 설명서 및 사용 설명서는 아래 링크를 참조하십시오.

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

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

봐 sed_eval 라이브러리입니다. 다중 레이블 문제인 오디오에서 이벤트 감지를 평가하기 위해 개발되었습니다 (각 오디오에서와 같이 다중 이벤트가 존재 함). 그들은 당신의 요구에 맞는 많은 평가 옵션을 가지고 있습니다. 당신은 진정한 양의 속도를 얻을 수 있습니다 ... 그리고 거기에서 혼란 매트릭스를 계산하는 것은 그리 어렵지 않습니다.

이 질문은 오래되었지만 새로운 잠재 고객을 위해이 답변을 작성하고 있습니다.
scikit-learn은 이제 다중 레이블 분류를위한 혼동 행렬을 지원합니다.

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