keras - 使用 model.fit_generator 时如何获取混淆矩阵

Question

我正在使用 model.fit_generator 来训练我的二进制(两类)模型并获得结果，因为我直接从我的文件夹中提供输入图像。在这种情况下如何获得混淆矩阵(TP、TN、FP、FN)，因为我通常使用 confusion_matrix sklearn.metrics的命令得到它，这需要predicted , 和 actual标签。但在这里我没有两者。可能我可以从 predict=model.predict_generator(validation_generator) 计算预测标签命令。但我不知道我的模型是如何从我的图像中获取输入标签的。我的输入文件夹的一般结构是:

train/
 class1/
     img1.jpg
     img2.jpg
     ........
 class2/
     IMG1.jpg
     IMG2.jpg
test/
 class1/
     img1.jpg
     img2.jpg
     ........
 class2/
     IMG1.jpg
     IMG2.jpg
     ........

我的一些代码块是:

train_generator = train_datagen.flow_from_directory('train',  
        target_size=(50, 50),  batch_size=batch_size,
        class_mode='binary',color_mode='grayscale')  


validation_generator = test_datagen.flow_from_directory('test',
        target_size=(50, 50),batch_size=batch_size,
        class_mode='binary',color_mode='grayscale')

model.fit_generator(
        train_generator,steps_per_epoch=250 ,epochs=40,
        validation_data=validation_generator,
        validation_steps=21 )

所以上面的代码自动接受两个类输入，但我不知道它考虑哪个类 0 和哪个类 1。

Answer 1

probabilities = model.predict_generator(generator=test_generator)

会给我们一组概率。

y_true = test_generator.classes

会给我们真正的标签。

因为这是一个二元分类问题，所以你必须找到预测的标签。为此，您可以使用

y_pred = probabilities > 0.5

然后我们在测试数据集上有真实标签和预测标签。因此，混淆矩阵由下式给出

font = {
'family': 'Times New Roman',
'size': 12
}
matplotlib.rc('font', **font)
mat = confusion_matrix(y_true, y_pred)
plot_confusion_matrix(conf_mat=mat, figsize=(8, 8), show_normed=False)