-1

为了获得带有病态学习的决策树，我需要对数据框进行标签编码。

    S02Q01_Gender  S02Q02_Age_rec   S02Q03A_Region  S02Q03B_Settlement_type     S02Q03C_Province    S02Q10A_Employment  S02Q11_Professional_field   Segment Cluster
0   Female         12-19            Marrakesh       Urban                       Casablanca-Settat   Student             None                        Class1
1   Male           65 or above      Marakesh        Rural                       El Jadida           My Employed, part-time  Property                Class2
...

但是，为了在混淆矩阵上正确绘制它，我需要保存target列的标签。

我试过了：

y_test_dencoded = label_encoder.inverse_transform(y_test)
y_pred_dencoded = label_encoder.inverse_transform(y_pred)

cnf_matrix = metrics.confusion_matrix(y_test_dencoded, y_pred_dencoded, labels=None, sample_weight=None)

并绘制它：

import seaborn as sn
import pandas as pd
import matplotlib.pyplot as plt

df_cm = pd.DataFrame(cnf_matrix, index = [i for i in set(y_test_dencoded)],
                  columns = [i for i in set(y_pred_dencoded)])
plt.figure(figsize = (10,7))
ax = sn.heatmap(df_cm, annot=True)
bottom, top = ax.get_ylim()
ax.set_ylim(bottom + 0.5, top - 0.5)

它返回一个混淆矩阵，但我不知道我是否很好地标记它......

4

1 回答 1

0

如果您的分类器是clf，您可以使用它clf.classes_来识别模型分配给标签的数字。

例如，如果clf.classes_是["class1", "class3", "class2"]（假设您只有三个类），这意味着在预测标签和实际标签之间存在以下映射：{0: "class1", 1:"class3", 2: "class2"}

在这种情况下，在 sklearn 混淆矩阵输出中，X轴刻度标签为 2、1、0，Y 轴刻度标签为 0、1、2（按轴值递增的顺序）。您可以使用上述字典将这些映射回标签。

于 2020-02-27T13:00:20.143 回答