Python – tensorflow.math.confusion_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。 confusion_matrix()用于从预测和标签中找到混淆矩阵。

语法: tensorflow.math.confusion_matrix( labels, predictions, num_classes, weights, dtype,name)

参数:

labels: 它是一个一维张量，包含分类任务的真实标签。
predictions: 它也是一个与标签形状相同的一维张量。它的值代表预测的类别。
num_classes（可选）: 它是分类任务可能有的标签/类的数量。如果不提供，num_classes将比预测或标签的最大值多一个。
weight（可选）: 这是一个与预测值相同的张量，其值定义了每个预测的相应权重。
dtype（可选）: 它定义了返回混淆矩阵的dtype。默认的是tensorflow.dtypes.int32。
name（可选）: 定义了操作的名称。

返回值:
它返回一个形状为[n,n]的混淆矩阵，其中n是可能的标签数量。

示例 1:

# 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)

例子2：这个例子提供了所有预测的权重。

# 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)