我正在以FastText
的方式为Facebook this分类器模型计算混淆矩阵:
#!/usr/local/bin/python3
import argparse
import numpy as np
from sklearn.metrics import confusion_matrix
def parse_labels(path):
with open(path, 'r') as f:
return np.array(list(map(lambda x: int(x[9:]), f.read().split())))
if __name__ == "__main__":
parser = argparse.ArgumentParser(description='Display confusion matrix.')
parser.add_argument('test', help='Path to test labels')
parser.add_argument('predict', help='Path to predictions')
args = parser.parse_args()
test_labels = parse_labels(args.test)
pred_labels = parse_labels(args.predict)
print(test_labels)
print(pred_labels)
eq = test_labels == pred_labels
print("Accuracy: " + str(eq.sum() / len(test_labels)))
print(confusion_matrix(test_labels, pred_labels))
我的预测和测试集就像
$ head -n10 /root/pexp
__label__spam
__label__verified
__label__verified
__label__spam
__label__verified
__label__verified
__label__verified
__label__verified
__label__verified
__label__verified
$ head -n10 /root/dataset_test.csv
__label__spam
__label__verified
__label__verified
__label__spam
__label__verified
__label__verified
__label__verified
__label__verified
__label__verified
__label__verified
通过以下方式在测试集上计算出模型的预测:
./fasttext predict /root/my_model.bin /root/dataset_test.csv > /root/pexp
然后我要计算FastText
混淆矩阵:
$ ./confusion.py /root/dataset_test.csv /root/pexp
但是我被这个错误困住了:
Traceback (most recent call last):
File "./confusion.py", line 18, in <module>
test_labels = parse_labels(args.test)
File "./confusion.py", line 10, in parse_labels
return np.array(list(map(lambda x: int(x[9:]), f.read().split())))
File "./confusion.py", line 10, in <lambda>
return np.array(list(map(lambda x: int(x[9:]), f.read().split())))
ValueError: invalid literal for int() with base 10: 'spam'
我已根据建议修复了脚本,以处理非数字标签:
def parse_labels(path):
with open(path, 'r') as f:
return np.array(list(map(lambda x: x[9:], f.read().split())))
此外,在FastText
的情况下,测试集有时可能会具有标准化标签(不带前缀__label__
),因此要转换回前缀,您可以执行以下操作:
awk 'BEGIN{FS=OFS="\t"}{ $1 = "__label__" tolower($1) }1' /root/dataset_test.csv > /root/dataset_test_norm.csv
请参见here。>>
此外,输入测试文件还必须剪切掉标签列之外的其他列:
cut -f 1 -d$'\t' /root/dataset_test_norm.csv > /root/dataset_test_norm_label.csv
所以最后我们得到了混淆矩阵:
$ ./confusion.py /root/dataset_test_norm_label.csv /root/pexp Accuracy: 0.998852852227 [[9432 21] [ 3 14543]]
我的最终解决方案是here。
[UPDATE]
脚本现在可以正常工作。我已经在我的FastText Node.js实现中直接添加了混淆矩阵计算脚本FastText.js
here。
我正在以这种方式为Facebook FastText分类器模型计算混乱矩阵:#!/ usr / local / bin / python3 import argparse import numpy as spyarn.metrics import confusion_matrix ...
from sklearn.metrics import confusion_matrix
# predict the data
df["predicted"] = df["text"].apply(lambda x: model.predict(x)[0][0])
# Create the confusion matrix
confusion_matrix(df["labeled"], df["predicted"])
## OutPut:
# array([[5823, 8, 155, 1],
# [ 199, 51, 22, 0],
# [ 561, 2, 764, 0],
# [ 48, 0, 4, 4]], dtype=int64)