Python – tensorflow.math.confusion_matrix()

TensorFlow es una biblioteca Python de código abierto diseñada por Google para desarrollar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo.  confusion_matrix() se usa para encontrar la array de confusión a partir de predicciones y etiquetas.

Sintaxis: tensorflow.math.confusion_matrix (etiquetas, predicciones, num_classes, pesos, dtype, nombre)
 

Parámetros:

• etiquetas: Es un tensor 1-D que contiene etiquetas reales para la tarea de clasificación.
• predicciones: también es un tensor 1-D de la misma forma que las etiquetas. Su valor representa la clase predicha.
• num_classes(opcional): Es el número posible de etiquetas/clasificación de clases que podría tener la tarea. Si no se proporciona, num_classes será uno más que el valor máximo en predicciones o etiquetas.
• peso (opcional): Es un tensor de la misma forma que las predicciones cuyos valores definen el peso correspondiente para cada predicción.
• dtype(opcional): Define el dtype de la array de confusión devuelta. Predeterminado si tensorflow.dtypes.int32.
• nombre (opcional): Define el nombre de la operación.
   

Devuelve:
Devuelve una array de confusión de forma [n,n] donde n es el número posible de etiquetas.
 

Ejemplo 1:

# importing the library
import tensorflow as tf
 
# Initializing the input tensor
labels = tf.constant([1,3,4],dtype = tf.int32)
predictions = tf.constant([1,2,3],dtype = tf.int32)
 
# Printing the input tensor
print('labels: ',labels)
print('Predictions: ',predictions)
 
# Evaluating confusion matrix
res = tf.math.confusion_matrix(labels,predictions)
 
# Printing the result
print('Confusion_matrix: ',res)

Producción:

labels:  tf.Tensor([1 3 4], shape=(3,), dtype=int32)
Predictions:  tf.Tensor([1 2 3], shape=(3,), dtype=int32)
Confusion_matrix:  tf.Tensor(
[[0 0 0 0 0]
 [0 1 0 0 0]
 [0 0 0 0 0]
 [0 0 1 0 0]
 [0 0 0 1 0]], shape=(5, 5), dtype=int32)

Ejemplo 2: este ejemplo proporciona los pesos para todas las predicciones.

# importing the library
import tensorflow as tf
 
# Initializing the input tensor
labels = tf.constant([1,3,4],dtype = tf.int32)
predictions = tf.constant([1,2,4],dtype = tf.int32)
weights = tf.constant([1,2,2], dtype = tf.int32)
 
# Printing the input tensor
print('labels: ',labels)
print('Predictions: ',predictions)
print('Weights: ',weights)
 
# Evaluating confusion matrix
res = tf.math.confusion_matrix(labels, predictions, weights=weights)
 
# Printing the result
print('Confusion_matrix: ',res)

Producción:

labels:  tf.Tensor([1 3 4], shape=(3,), dtype=int32)
Predictions:  tf.Tensor([1 2 4], shape=(3,), dtype=int32)
Weights:  tf.Tensor([1 2 2], shape=(3,), dtype=int32)
Confusion_matrix:  tf.Tensor(
[[0 0 0 0 0]
 [0 1 0 0 0]
 [0 0 0 0 0]
 [0 0 2 0 0]
 [0 0 0 0 2]], shape=(5, 5), dtype=int32)