sepandhaghighi/pycm
Multi-class confusion matrix library in Python
What it solves
PyCM は、分類モデルの性能を評価するための包括的なツールセットを提供します。混淆行列（Confusion Matrix）の作成と、モデルが異なるクラスをどれだけ正確に予測できるか（特に多クラスシナリオにおいて）を判断するための幅広い統計指標の計算プロセスを簡法化します。
How it works
ユーザーは、生データベクトル（実際のラベル対予測ラベル）または既存の行列を提供することで、混淆行列を生成できます。このライブラリは、各クラスの詳細な統計量（Accuracy, F1-score, Precision, Recall など）および全体的な統計量（Kappa, Macro-averaged metrics など）を計算します。また、「One vs. Rest」戦略を用いて多クラス出力を二値化することにより、行列のプロットと性能曲線（ROC, Precision-Recall, Precision, Recall, F1 曲線を含む）の生成のための専門的なツールも含まれています。
Who it’s for
主に、予測モデルの分類後評価のために、堅牢で「swiss-army knife」のようなツールを必要とするデータサイエンティストや機械学習エンジニア向けに設計されています。
Who it’s for
主に、予測モデルの分類後評価のために、堅牢で「swiss-army knife"のようなツールを必要とするデータサイエンティストや機械学習エンジニア向けに設計されています。
Highlights
- Flexible Input: 入力データベクトルと直接的な行列入力の両方をサポートします。
- Extensive Metrics: クラス固有および全体的な統計パラメータの幅広い範囲を提供しますします。
- Visualization: Matplotlib または Seaborn を使用した統合されたプロット機能。
- Advanced Analysis: 最適な閾値の計算と、様々な性能曲線（ROC, PR, F1 など）の生成ツールを含みます。
- Interoperability: NumPy arrays をサポートし、MATLAB との連携が可能です。