confusion_matrix()

​

関数 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

確率または予測のシーケンスから混同行列を作成します。

引数:

• probs: 各クラスに対する予測確率のシーケンス。シーケンスの形状は (N, K) である必要があります。ここで、N はサンプル数、K はクラス数です。これを指定する場合、preds は指定しないでください。
• y_true: 真のラベルのシーケンス。
• preds: 予測クラスラベルのシーケンス。これを指定する場合、probs は指定しないでください。
• class_names: クラス名のシーケンス。指定しない場合、クラス名は “Class_1”、“Class_2” などになります。
• title: 混同行列チャートのタイトル。
• split_table: 表を W&B UI の別セクションに分けるかどうか。True の場合、表は “Custom Chart Tables” という名前のセクションに表示されます。デフォルトは False です。

戻り値:

• CustomChart: W&B にログできるカスタムチャートオブジェクト。チャートをログするには、これを wandb.log() に渡します。

Raises:

• ValueError: probs と preds の両方が指定された場合、または予測数と真のラベル数が一致しない場合に発生します。また、予測された一意のクラス数がクラス名の数を超える場合や、一意の真のラベル数がクラス名の数を超える場合にも発生します。
• wandb.Error: numpy がインストールされていない場合に発生します。

例: 野生動物分類でランダムな確率を使って混同行列をログする例:

import numpy as np
import wandb

# 野生動物のクラス名を定義する
wildlife_class_names = ["Lion", "Tiger", "Elephant", "Zebra"]

# ランダムな正解ラベルを生成する（10サンプルに対して0〜3）
wildlife_y_true = np.random.randint(0, 4, size=10)

# 各クラスのランダムな確率を生成する（10サンプル × 4クラス）
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を初期化して混同行列をログする
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})

この例では、ランダムな確率を用いて混同行列を生成します。

シミュレートしたモデルの予測と 85% の精度で混同行列をログする例:

import numpy as np
import wandb

# 野生動物のクラス名を定義する
wildlife_class_names = ["Lion", "Tiger", "Elephant", "Zebra"]

# 200枚の動物画像の正解ラベルをシミュレートする（不均衡な分布）
wildlife_y_true = np.random.choice(
    [0, 1, 2, 3],
    size=200,
    p=[0.2, 0.3, 0.25, 0.25],
)

# 精度85%でモデルの予測をシミュレートする
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 の run を初期化して混同行列をログする
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})

この例では、正解率85%となるように予測をシミュレートし、混同行列を生成します。