Answers:
还可以看看scikit-multilearn。这是一个很好的库,它扩展了sklearn以进行多标签学习。但是,我不确定混淆矩阵如何解决多标签问题...
这个家伙声称他已经解决了。
Sklearn有一个用于它的方法,您可以使用该方法计算多类的混淆矩阵。
from sklearn import cross_validation
confusion_matrix(original, Predicted)
尝试mlxtend。这是一个多类案例的示例:http : //rasbt.github.io/mlxtend/user_guide/evaluate/confusion_matrix/#example-2-multi-class-classification
有许多不同的参数可以通过比较实际标签和预测标签来评估方法的性能。我建议使用PyCM模块,它可以为这些参数提供种类繁多的参数,适用于多类分类。
Scikit-learn支持多标签混淆矩阵。请参阅下面的链接以获取文档和用户指南:
http://scikit-learn.org/stable/modules/generation/sklearn.metrics.confusion_matrix.html
http://scikit-learn.org/stable/modules/model_evaluation.html#confusion-matrix
尽管这个问题很旧,但我正在为新的读者写这个答案。
scikit-learn现在支持混淆矩阵进行多标签分类。
https://scikit-learn.org/stable/modules/generation/sklearn.metrics.multilabel_confusion_matrix.html