python - 如何将混淆矩阵转换为数据框？

Question

我想知道如何将混淆矩阵从 scikit learn 转换为数据框。

我不知道混合不同型号的所有 mc 是否可行。为什么我问是因为可读性。我必须始终在终端中打印并将 mc 复制到 excel 文件中，这真的很苛刻，因为我根据选择的参数多次运行脚本。

models = {'Model_SVC': model1, 'Model_G_NB': model2, 'Model_LR': model3, 'Model_RF': model4,      'Model_KN': model5, 'Model_MLP': model6}
    

    cv_splitter = KFold(n_splits=10, shuffle=False, random_state=None)

    for model_name, model in models.items():
        y_pred = cross_val_predict(model, features, ylabels, cv=cv_splitter)

        print("Model: {}".format(model_name))
        print("Accuracy: {}".format(accuracy_score(ylabels, y_pred)))

        cm = confusion_matrix(ylabels, y_pred)
        
        output = pd.DataFrame()


        print("matrice confusion: {}".format(cm), file=f)

矩阵如下所示:

Model: Model_SVC
Accuracy: 0.5692307692307692
matrice confusion: [[ 34   4  46]
 [ 10   2  33]
 [ 16   3 112]]
Model: Model_G_NB
Accuracy: 0.43846153846153846
matrice confusion: [[31 22 31]
 [10 13 22]
 [27 34 70]]
Model: Model_LR
Accuracy: 0.5461538461538461
matrice confusion: [[ 30   4  50]
 [ 11   0  34]
 [ 16   3 112]]
Model: Model_RF
Accuracy: 0.5846153846153846
matrice confusion: [[ 40   5  39]
 [ 17   1  27]
 [ 20   0 111]]
Model: Model_KN
Accuracy: 0.4846153846153846
matrice confusion: [[33 10 41]
 [14 12 19]
 [41  9 81]]
Model: Model_MLP
Accuracy: 0.5153846153846153
matrice confusion: [[ 17   0  67]
 [ 12   0  33]
 [ 13   1 117]]

我想要这样的东西:

   F    C   M
0  34   4  46
1  10   2  33
2  16   3 112  
3  31  22  31   => second cm 
4  10  13  22
5  27  34  70
6  30   4  50  => third cm
7  11   0  34
8  16   3 112
...

由于我使用的是“for”，因此我希望 cm 彼此跟随，这样最后我就可以将数据导出到一个 excel 或 csv 文件中。一个数据框，可以将所有cm打印一个接一个地组合起来。

Answer 1

将任何 2D 矩阵(无论是否混淆)转换为 pandas 数据框都很简单:

from sklearn.metrics import confusion_matrix
y_true = [2, 0, 2, 2, 0, 1]
y_pred = [0, 0, 2, 2, 0, 2]
cm = confusion_matrix(y_true, y_pred)
print(cm)
# result:
[[2 0 0]
 [0 0 1]
 [1 0 2]]  

import pandas as pd
df = pd.DataFrame(cm)
print(df)
# result:
   0  1  2
0  2  0  0
1  0  0  1
2  1  0  2

完整，包含行名和列名。

合并数据框也很简单:

cm2 = [[1, 0, 0],
       [0, 0, 1],
       [2, 0, 1]]
df2 = pd.DataFrame(cm2)

cm3 = [[0, 0, 2],
       [1, 2, 1],
       [2, 0, 0]]
df3 = pd.DataFrame(cm3)

frames = [df, df2, df3]

final = pd.concat(frames)
print(final)
# result:
   0  1  2
0  2  0  0
1  0  0  1
2  1  0  2
0  1  0  0
1  0  0  1
2  2  0  1
0  0  0  2
1  1  2  1
2  2  0  0

如果你在循环中使用它，你总是可以从一个空列表frames=[]开始，对每个新数据帧使用frames.append(df)，和 pd.concat(frames) 以获得最终帧:

frames = []

for model_name, model in models.items():
        y_pred = cross_val_predict(model, features, ylabels, cv=cv_splitter)
        cm = confusion_matrix(y_true, y_pred)
        df = pd.DataFrame(cm)
        frames.append(df)

final = pd.concat(frames)