基于神经网络的二元分类混淆矩阵

Question

我正在为期末考试建立两个神经网络模型(二进制分类)。我有混淆矩阵作为评估，但它总是给我一个标签输出。

有人能看出我在哪里犯了错吗？下面是代码：

# Start neural network
network = Sequential()

# Add fully connected layer with a ReLU activation function
network.add(Dense(units=2, activation='relu', input_shape=(2,)))

# Add fully connected layer with a ReLU activation function
network.add(Dense(units=4, activation='relu'))

# Add fully connected layer with a sigmoid activation function
network.add(Dense(units=1, activation='sigmoid'))

# Compile neural network
network.compile(loss='binary_crossentropy', # Cross-entropy
                optimizer='rmsprop', # Root Mean Square Propagation
                metrics=['accuracy']) # Accuracy performance metric

# Train neural network
history = network.fit(X_train, # Features
                      y_train, # Target vector
                      epochs=3, # Number of epochs
                      verbose=1, # Print description after each epoch
                      batch_size=10, # Number of observations per batch
                      validation_data=(X_val, y_val)) # Data for evaluation

y_pred = network.predict(X_test)
# y_test = y_test.astype(int).tolist()
y_pred = np.argmax(y_pred, axis=1).tolist()

cm = confusion_matrix(y_test, y_pred)
print(cm)

我从验证中获得了93%的准确性，但是混淆矩阵给了我这个输出：

​

​

Answer 1

您的网络只有一个乙状结肠输出，这意味着为了获得您的分类，您希望圆形您的结果，而不是一个argmax。

y_pred = np.round(y_pred).tolist()

如果要打印您的y_pred，您会注意到它是Nx1矩阵，因此argmax对每一行返回0(因为这是唯一的列)。