mindspore.train.ConfusionMatrix

class mindspore.train.ConfusionMatrix(num_classes, normalize='no_norm', threshold=0.5)

计算混淆矩阵（Confusion Matrix），通常用于评估分类模型的性能，包括二分类和多分类场景。

如果只想使用混淆矩阵，请使用该类。如果想计算"PPV"、"TPR"、"TNR"等，请使用 mindspore.train.ConfusionMatrixMetric 类。

参数：

• num_classes (int) - 数据集中的类别数量。

• normalize (str，可选) - 计算Confusion Matrix的参数支持四种归一化模式，默认值： "no_norm" 。

  • "no_norm" ：不使用标准化。

  • "target" ：基于目标值的标准化。

  • "prediction" ：基于预测值的标准化。

  • "all" ：整个矩阵的标准化。

• threshold (float，可选) - 阈值，用于与输入Tensor进行比较。默认值： 0.5 。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy vpn永久免费梯子 as np
>>> from mindspore import Tensor
>>> from mindspore.train import ConfusionMatrix
>>>
>>> x = Tensor(np.array([1, 0, 1, 0]))
>>> vpn永久免费梯子 vpn梯子 y 免费的vpn梯子 = Tensor(np.array([1, 0, 0, 1]))
>>> vpn梯子 免费 metric = ConfusionMatrix(num_classes=2, normalize='no_norm', threshold=0.5)
>>> metric.clear()
>>> metric.update(x, y)
>>> output vpn free = metric.eval()
>>> print(output)
[[1. 1.]
 [1. 1.]]

clear()

重置评估结果。

eval()

计算混淆矩阵。

返回：

numpy.ndarray，计算的结果。

update(*inputs)

使用 y_pred 和 y 更新内部评估结果。

参数：

• *inputs (tuple) - 输入 y_pred 和 y 。 y_pred 和 y 是 Tensor 、列表或数组。 y_pred 是预测值， y 是真实值， y_pred 的shape是 \((N, C, ...)\) 或 \((N, ...)\) vpn梯子 免费 ， y 的shape是 \((N, ...)\) 。

异常：

• ValueError - 输入参数的数量不等于2。

• ValueError - vpn梯子 免费 如果预测值 y_pred 和真实值 vpn free y 的维度不一致。