Einführung

Python Data Science Handbookの勉強中に思ったこと。

Ich habe mit Seaborn eine Heatmap erstellt, um eine Fehlklassifizierung zu visualisieren. Ist dies nicht die Farbe mit der größeren Anzahl im Ganzen? (Obwohl die Anzahl der Stichproben für alle Kategorien gleich sein sollte, treten häufig Datenungleichgewichte auf.)

Es wäre besser, eine Heatmap zu haben, die das Verhältnis jedes Elements zur Gesamtzahl der Zeilen (= jede Klassifizierung) zeigt. Ich habe es gemacht.

Daten lesen und Klassifizierungsalgorithmen anwenden

`load_and_modelfitting.py`


import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns; sns.set()
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import GaussianNB
from sklearn.metrics import accuracy_score
from sklearn.metrics import confusion_matrix

#Laden Sie diesmal als Beispiel das Bild handgeschriebener Zeichen als Klassifizierungsaufgabe
digits = load_digits()
X = digits.data
y = digits.target

#Geteilt für Schulung und Bewertung
Xtrain, Xtest, ytrain, ytest = train_test_split(X, y, random_state=0)

#Wenden Sie Gaußsche Naive Bayes entsprechend auf den Klassifizierungsalgorithmus an
model = GaussianNB()
model.fit(Xtrain, ytrain)
y_model = model.predict(Xtest)
accuracy_score(ytest, y_model)

Das Hauptthema von hier

Heatmap der üblichen Verwirrungsmatrix und der Anordnung von Verhältnissen zu Zeilen

`create_confmrx.py`


#Zweidimensionales Array einer gewöhnlichen Verwirrungsmatrix
mat = confusion_matrix(ytest, y_model)
#Ein zweidimensionales Array, das das Verhältnis zur Summe jeder Zeile berechnet und die dritte Ziffer abrundet.
mat_dec = np.round(mat / np.sum(mat, axis=1), decimals=2)

fig, axes = plt.subplots(1, 2, figsize=(10, 10))
kwargs = dict(square=True, annot=True, cbar=False, cmap='RdPu')

#Zeichnen Sie zwei Heatmaps
for i, dat in enumerate([mat, mat_dec]):
    sns.heatmap(dat, **kwargs, ax=axes[i])

#Legen Sie die Beschriftung für Diagrammtitel, x-Achse und y-Achse fest
for ax, t in zip(axes, ['Real number', 'Percentage(per row)']):
    plt.axes(ax)
    plt.title(t)
    plt.xlabel('predicted value')
    plt.ylabel('true value')

Interpretationsplan der gezeichneten Wärmekarteninformationen

Überblick über das Ganze
Wenn Sie sich auf die hellen Elemente auf der diagonalen Linie auf der linken Seite konzentrieren (normale Wärmekarte), identifizieren Sie "die Linie mit dem größten Verlust im Ganzen".
Kategorie 2,9,4,0 ist anwendbar
Sehen Sie sich die Heatmap auf der rechten Seite an und überprüfen Sie "Elemente, die selbst in Linieneinheiten häufig verloren gehen".
Die Kategorien 2 und 9 sind wahrscheinlich anwendbar. Erhöhen Sie daher die Anzahl der Samples oder priorisieren Sie die Abstimmung.
Umgekehrt sind die Klassifikationen 4 und 0 hell, wenn Sie nur auf die linke Seite schauen, aber dunkel, wenn Sie auf die rechte Seite schauen, sodass die Abstimmungspriorität niedrig ist

abschließend

Die Verwirrungsmatrix ist unangenehm zu sehen ...

[PYTHON] Benötigt die Verwirrungsmatrix auch das Verhältnis jedes Elements zur gesamten Zeile?