confusion-matrix

5熱

2答えて

私は既知のラベルを持つデータセットを持っています。私はクラスタリングを試み、既知のラベルによって与えられた同じクラスターを得ることができるかどうかを見たい。精度を測定するには、混乱行列のようなものを取得する必要があります。私は分類問題のテストセットのために簡単に混同行列を得ることができます知っています。私はすでにthisのようにそれを試みました。それは分類問題のために理にかなっているラベルの同じ

0熱

1答えて

混乱行列の結果を格納するためのループ

私は混乱行列の結果をforループ内に格納しようとしています。今、ループは各反復の分析結果を表示します。 for(i in 1:50){ train.cpg.t2 <- sample(nrow(cpg.updated.2), 2/3 * nrow(cpg.updated.2)) cpg.train.t2 <- cpg.updated.2[train.cpg.t2, ] cpg.test.t2

0熱

1答えて

混乱行列に2種類のティックラベルを入れるにはどうすればいいですか？

私はあなたが以下に示す混乱マトリクスをプロットしました。ラベルを変更したいと思います。 s1 - > s37の代わりに。私は欲しい：s1 - > s21、I1 - > I16 import itertools def plot_confusion_matrix(cm, title='Confusion matrix RF', cmap=plt.cm.viridis): plt.im

0熱

1答えて

私は、分類にsvmを使って混乱行列を見つける関数をRに書くことを試みています。

私は、データとy（出力）変数のプレースホルダーが関数に与えられるプログラムを書こうとしています。この関数は、データセットとテストデータの混同行列を生成します。これは実際にこのような機能の5番目の試みです。その理由のほとんどは、この機能のほとんどがデータセットとしてアイリスデータを使用しているマニュアルからのものですが、私は関数のy.vec入力に固執しているようです。 y変数を関数に正しく挿入する方

0熱

2答えて

Python：混乱行列を保存するには

私がしようとしているのは、何らかの種類のテキストファイル（恐らくHTMLが最もよく見える）に混乱行列を保存することです。私はcsvファイルからデータを取り出し、配列に追加して、混乱行列を作成する必要があります。コード： import csv import pandas as pd data = csv.reader(open('results_date.csv', 'r'), delimit

3熱

1答えて

sklearn.metrics.confusion_matrix（）は常にTP、TN、FP、FNを返すようにするには？

私はtn、fp、fn、tpとそれが完全に動作する時間のほとんどを抽出するためにsklearn.metrics.confusion_matrix(y_actual, y_predict)を使用しています。 from sklearn.metrics import confusion_matrix y_actual, y_predict = [1,1,1,1], [0,0,0,0] tn, fp,

0熱

1答えて

naive bayesでの混乱マトリクスの追加python code

naive bayes python codeでの混乱マトリクスの追加方法をお聞きしたいと思います。私はnaive bayesコードを持っています naive bayes for iris data 私は混乱マトリックスを追加するためにいくつかの変更が必要です。私は混乱行列のコードを分けましたが、私はこれを私のコードに置く場所を知らず、何を置き換えるべきかわかりません。ものによって。 y_ac

0熱

1答えて

2つのベクトルが同じ値であるところを比較します

私はmatlabに混乱行列を作りたいと思います。これを行うには、例えば真陽性と真陰性を計算する必要があります。これを行うには、各ベクトルを要素ごとに調べて、あるベクトルの真の値と他のベクトルの真の値を比較する必要があります。両者が同じインデックスで真の値に等しい場合、私は本当のポジティブを増やすことができます。真のネガを計算するために、負の値についても同じことができます。しかし、私はこれを行う

1熱

4答えて

Rキャレットのランダムフォレストの混同行列

バイナリのYES/NOクラス応答のデータがあります。 RFモデルを実行するために次のコードを使用します。私は混乱行列の結果を取得する際に問題があります。 dataR <- read_excel("*:/*.xlsx") Train <- createDataPartition(dataR$Class, p=0.7, list=FALSE) training <- dataR[ Train, ]