Si hallas algún error con tu código o trabajo, recuerda probar siempre en un ambiente de testing antes añadir el código al proyecto final.
Ver fuente en GitHub |
Calcula la matriz de confusión a partir de predicciones y etiquetas.
tf.math.confusion_matrix( labels, predictions, num_classes=None, weights=None, dtype=tf.dtypes.int32, name=None )
Las columnas de la matriz representan las etiquetas de predicción y las filas representan las etiquetas reales. La matriz de confusión es siempre un 2-D array de forma [n, n]
donde n
es el número de etiquetas válidas para una tarea de clasificación determinada. Tanto la predicción como las etiquetas deben ser matrices 1-D de la misma forma para que esta función funcione.
Si num_classes
es None
entonces num_classes
se establecerá en uno más el valor máximo en predicciones o etiquetas. Se espera que las etiquetas de clase comiencen en 0. Por ejemplo, si num_classes
es 3, entonces las posibles etiquetas serían [0, 1, 2]
.
Si weights
no es None
entonces cada predicción aporta su peso correspondiente al valor total de la celda de la matriz de confusión.
Por ejemplo:
tf.math.confusion_matrix([1, 2, 4], [2, 2, 4]) ==> [[0 0 0 0 0] [0 0 1 0 0] [0 0 1 0 0] [0 0 0 0 0] [0 0 0 0 1]]
Tenga en cuenta que se supone que las posibles etiquetas son [0, 1, 2, 3, 4]
resultando en una matriz de confusión de 5×5.
argumentos | |
---|---|
labels |
1-D Tensor de etiquetas reales para la tarea de clasificación. |
predictions |
1-D Tensor de predicciones para una clasificación dada. |
num_classes |
El número posible de etiquetas que puede tener la tarea de clasificación. Si no se proporciona este valor, se calculará mediante predicciones y etiquetas. array. |
weights |
un opcional Tensor cuya forma coincide predictions . |
dtype |
Tipo de dato de la matriz de confusión. |
name |
Nombre del alcance. |
Devoluciones | |
---|---|
UN Tensor de tipo dtype con forma [n, n] representando la matriz de confusión, donde n es el número de etiquetas posibles en la tarea de clasificación. |
aumenta | |
---|---|
ValueError |
Si tanto las predicciones como las etiquetas no son vectores 1-D y tienen formas que no coinciden, o si weights no es None y su forma no coincide predictions . |