confusion_matrix()

GitHub source

​

function confusion_matrix

confusion_matrix(
    probs: 'Sequence[Sequence[float]] | None' = None,
    y_true: 'Sequence[T] | None' = None,
    preds: 'Sequence[T] | None' = None,
    class_names: 'Sequence[str] | None' = None,
    title: 'str' = 'Confusion Matrix Curve',
    split_table: 'bool' = False
) → CustomChart

일련의 확률값 또는 예측값을 사용하여 오차 행렬 (confusion matrix)을 생성합니다.

Args:

• probs: 각 클래스에 대한 예측 확률 시퀀스입니다. 시퀀스의 형태는 (N, K)여야 하며, 여기서 N은 샘플 수, K는 클래스 수입니다. 이 인자를 제공하는 경우 preds는 제공하지 않아야 합니다.
• y_true: 실제 라벨의 시퀀스입니다.
• preds: 예측된 클래스 라벨의 시퀀스입니다. 이 인자를 제공하는 경우 probs는 제공하지 않아야 합니다.
• class_names: 클래스 이름의 시퀀스입니다. 제공되지 않으면 클래스 이름은 “Class_1”, “Class_2” 등으로 정의됩니다.
• title: 오차 행렬 차트의 제목입니다.
• split_table: 테이블을 W&B UI의 별도 섹션으로 분리할지 여부입니다. True인 경우 테이블은 “Custom Chart Tables”라는 섹션에 표시됩니다. 기본값은 False입니다.

Returns:

• CustomChart: W&B에 로그를 남길 수 있는 커스텀 차트 오브젝트입니다. 차트를 로그하려면 wandb.log()에 전달하세요.

Raises:

• ValueError: probs와 preds가 모두 제공되거나, 예측값과 실제 라벨의 수가 일치하지 않는 경우 발생합니다. 또한 고유한 예측 클래스 수가 클래스 이름의 수를 초과하거나 고유한 실제 라벨 수가 클래스 이름의 수를 초과하는 경우에도 발생합니다.
• wandb.Error: numpy가 설치되어 있지 않은 경우 발생합니다.

Examples:

야생 동물 분류를 위한 무작위 확률값으로 오차 행렬을 로그하는 예시:

import numpy as np
import wandb

# 야생 동물에 대한 클래스 이름 정의
wildlife_class_names = ["Lion", "Tiger", "Elephant", "Zebra"]

# 무작위 실제 라벨 생성 (10개 샘플에 대해 0에서 3 사이의 값)
wildlife_y_true = np.random.randint(0, 4, size=10)

# 각 클래스에 대한 무작위 확률값 생성 (10개 샘플 x 4개 클래스)
wildlife_probs = np.random.rand(10, 4)
wildlife_probs = np.exp(wildlife_probs) / np.sum(
    np.exp(wildlife_probs),
    axis=1,
    keepdims=True,
)

# W&B run 초기화 및 오차 행렬 로그
with wandb.init(project="wildlife_classification") as run:
    confusion_matrix = wandb.plot.confusion_matrix(
         probs=wildlife_probs,
         y_true=wildlife_y_true,
         class_names=wildlife_class_names,
         title="Wildlife Classification Confusion Matrix",
    )
    run.log({"wildlife_confusion_matrix": confusion_matrix})

이 예시에서는 무작위 확률값을 사용하여 오차 행렬을 생성합니다.

85%의 정확도를 가진 시뮬레이션된 모델 예측값으로 오차 행렬을 로그하는 예시:

import numpy as np
import wandb

# 야생 동물에 대한 클래스 이름 정의
wildlife_class_names = ["Lion", "Tiger", "Elephant", "Zebra"]

# 200개의 동물 이미지에 대한 실제 라벨 시뮬레이션 (불균형 분포)
wildlife_y_true = np.random.choice(
    [0, 1, 2, 3],
    size=200,
    p=[0.2, 0.3, 0.25, 0.25],
)

# 85% 정확도를 가진 모델 예측값 시뮬레이션
wildlife_preds = [
    y_t
    if np.random.rand() < 0.85
    else np.random.choice([x for x in range(4) if x != y_t])
    for y_t in wildlife_y_true
]

# W&B run 초기화 및 오차 행렬 로그
with wandb.init(project="wildlife_classification") as run:
    confusion_matrix = wandb.plot.confusion_matrix(
         preds=wildlife_preds,
         y_true=wildlife_y_true,
         class_names=wildlife_class_names,
         title="Simulated Wildlife Classification Confusion Matrix",
    )
    run.log({"wildlife_confusion_matrix": confusion_matrix})

이 예시에서는 오차 행렬을 생성하기 위해 85% 정확도로 시뮬레이션된 예측값을 사용합니다.