如何使sklearn.metrics.confusion_matrix（）始终返回TP，TN，FP，FN？

Question

我正在使用sklearn.metrics.confusion_matrix(y_actual, y_predict)来提取tn，fp，fn，tp和大部分时间它完美的工作。

from sklearn.metrics import confusion_matrix 

y_actual, y_predict = [1,1,1,1], [0,0,0,0] 
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict).ravel() 
>>> [0 0 4 0] # ok 

y_actual, y_predict = [1,1,1,1],[0,1,0,1] 
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict).ravel() 
>>> [0 0 2 2] # ok 

然而，在某些情况下，confusion_matrix（）并不总是返回的信息，按照下图我会得到ValueError异常。

from sklearn.metrics import confusion_matrix 

y_actual, y_predict = [0,0,0,0],[0,0,0,0] 
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict).ravel() 
>>> [4] # ValueError: not enough values to unpack (expected 4, got 1) 

y_actual, y_predict = [1,1,1,1],[1,1,1,1] 
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict).ravel() 
>>> [4] # ValueError: not enough values to unpack (expected 4, got 1) 

我的临时解决方案是编写我自己的函数来提取这些信息。有什么办法可以强制confusion_matrix()始终返回tn，fp，fn，tp输出吗？

感谢

Answer 1

这个问题有可以包含在您输入矩阵的独特标签的数量做。在你的第二个例子中，它是（正确）建立一个只有一个类的混淆矩阵，分别是0或1。

要强制它输出两个类，即使其中一个类未被预测，请使用label属性。

y_actual, y_predict = [0,0,0,0],[0,0,0,0] 
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict, labels=[0,1]).ravel() 
>> array([[4, 0], 
      [0, 0]])