すべてのインターアクションで変化するコンフュージョンマトリックス

Question

6つのクラスのコンフュージョンマトリックスを構築しており、マトリックスをプロットするためのベースコードとしてscikit_learn confusion matrixを使用しています。 リニアSVMクラシファイアを再トレーニングするたびに、各トレーニングセッションごとにコンフュージョンマトリックスが変更されるという問題に直面しています。予測されるラベルの数は同じであり、同じではありません。真のラベルの数は、すべてのインターラクションで同じままです。私は混乱マトリックスがこのように変化している理由を理解できません。対角要素も意味をなさない。

私は何をすべきか教えてください。

def plot_confusion_matrix(cm, title='Confusion matrix', cmap=plt.cm.Blues): 
    plt.imshow(cm, interpolation='nearest', cmap=cmap) 
    plt.title(title) 
    plt.colorbar() 
    tick_marks = np.arange(6) 
    plt.xticks(tick_marks, names, rotation=45) 
    plt.yticks(tick_marks, names) 
    plt.tight_layout() 
    plt.ylabel('True label') 
    plt.xlabel('Predicted label') 
    # this is the main function i am using 
    # here names is a list of six titles e.g. names = ['a', 'b', 'c', 'd', 'e', 'f'] 


#Following is the code that I am using to call the function 
cm = confusion_matrix(labels_test, predicted) 
np.set_printoptions(precision=2) 
print('Confusion matrix, without normalization') 
print(cm) 
plt.figure() 
plot_confusion_matrix(cm) 
cm_normalized = cm.astype('float')/cm.sum(axis=1)[:, np.newaxis] 
print('Normalized confusion matrix') 
print(cm_normalized) 
plt.figure() 
plot_confusion_matrix(cm_normalized, title='Normalized confusion matrix') 
plt.show() 

Answer 1

混同行列は、分類子がどこでうまくいくか（真の陽性）、どこでないか（偽陽性）を理解できるようにします。

混乱行列の対角線は、特定のクラスが正しく分類された回数を示します（真陽性）。

データセットを再学習すると、分類子が繰り返しから変更されたようです。したがって、真陽性/偽陽性/真陰性/偽陰性の数は異なる可能性があります。