पायथन लाइब्रेरी जो मल्टी-लेबल वर्गीकरण के लिए भ्रम मैट्रिक्स की गणना कर सकती है

Question

मैं एक पायथन लाइब्रेरी की तलाश कर रहा हूं जो मल्टी-लेबल वर्गीकरण के लिए भ्रम मैट्रिक्स की गणना कर सकती है ।

---

जानकारी के लिए:

• scikit-learn भ्रम मैट्रिक्स के लिए मल्टी-लेबल का समर्थन नहीं करता है )
• Multiclass और Multilabel Problem में क्या अंतर है

Comments

आपने आखिर में क्या किया?

— मोर्टेजा शाहरी निया

@MortezaShahriariNia मैं अखंडित रहा।

— फ्रेंक डर्नोनकोर्ट

एक सैद्धांतिक मल्टीलेबल भ्रम मैट्रिक्स कैसा दिखेगा? मुझे नहीं लगता कि यह लागू होता है, क्या यह?

— user798719

बहुत ही मजेदार कि इस प्रश्न के सभी 3 उत्तर इतनी कम गुणवत्ता के हैं।

— मोनिका हेडडेक

किसी भी पैकेज के बारे में पता नहीं है, लेकिन आप शायद एक अलग वर्ग के रूप में सभी संभव मल्टी-लेबल संयोजन पर विचार कर सकते हैं और मल्टी-क्लास के लिए पहले से उपलब्ध कुछ पैकेजों का उपयोग कर सकते हैं। फिर, उस भ्रम से, अपने मल्टी-लेबल मैट्रिक्स का निर्माण करें

— वैलेंटाइन कैलोमे

Answer 1

इसके अलावा scikit-multilearn पर एक नज़र डालें । यह एक बहुत अच्छी लाइब्रेरी है जो मल्टी-लेबल सीखने के लिए स्केलेरन का विस्तार करती है। हालाँकि, मुझे यकीन नहीं है कि मल्टी-लेबल समस्याओं के लिए भ्रम मैट्रिक्स कैसे काम करता है ...

यह आदमी दावा करता है कि उसने इसे हल कर दिया है।

Answer 2

स्केलेर में इसके लिए एक विधि है जिसका उपयोग करके आप मल्टी क्लास के लिए भ्रम मैट्रिक्स की गणना कर सकते हैं।

from sklearn import cross_validation
confusion_matrix(original, Predicted)

Comments

मल्टी-लेबल के बारे में कैसे? github.com/scikit-learn/scikit-learn/issues/3452 अभी भी खुला है

— फ्रेंक डेर्नोनकोर्ट

Answer 3

Mlxtend की कोशिश करो । यहाँ बहु-स्तरीय मामले का एक उदाहरण है: http://rasbt.github.io/mlxtend/user_guide/ev मूल्यांकन / confusion_matrix /#example-2-multi-class- classification

Comments

मल्टी-लेबल मल्टी-क्लास के बारे में कैसे? क्या यह समर्थित है?

— फ्रेंक डर्नोनकोर्ट

Answer 4

कई अलग-अलग पैरामीटर हैं जो वास्तविक और अनुमानित लेबल की तुलना करके आपके तरीके के प्रदर्शन का मूल्यांकन कर सकते हैं। मैं PyCM मॉड्यूल का सुझाव देता हूं जो एक विशाल विविधता इन मापदंडों को दे सकता है जो बहु-श्रेणी वर्गीकरण के लिए उपयुक्त हैं।

Answer 5

स्किकिट-लर्न मल्टी-लेबल भ्रम मैट्रिक्स का समर्थन करता है। प्रलेखन और उपयोगकर्ता गाइड के लिए नीचे दिए गए लिंक देखें:

http://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html

http://scikit-learn.org/stable/modules/model_evaluation.html#confusion-matrix

Comments

धन्यवाद, यही कारण है कि मैं एक वैकल्पिक विकल्प की तलाश कर रहा हूं :-)

— फ्रेंक डर्नोनकोर्ट

Answer 6

को देखो sed_eval पुस्तकालय। इसे ऑडियो में ईवेंट डिटेक्शन के मूल्यांकन के लिए विकसित किया गया है जो एक बहु-लेबल समस्या है (जैसा कि प्रत्येक ऑडियो में, कई ईवेंट मौजूद हैं)। उनके पास मूल्यांकन के कई विकल्प हैं, जो आपकी आवश्यकताओं के अनुरूप हो सकते हैं। आप सही-सकारात्मक दर प्राप्त कर सकते हैं, ... और वहां से भ्रम मैट्रिक्स की गणना करना उतना कठिन नहीं है।

Answer 7

हालांकि यह सवाल पुराना है, मैं यह जवाब नए दर्शकों के लिए लिख रहा हूं।
scikit-learn अब मल्टी-लेबल वर्गीकरण के लिए भ्रम मैट्रिक्स का समर्थन करता है।

https://scikit-learn.org/stable/modules/generated/sklearn.metrics.multilabel_confusion_matrix.html