메인 콘텐츠로 건너뛰기
GitHub 소스

​
function 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
확률 또는 예측값 시퀀스로부터 혼동 행렬(confusion matrix)을 생성합니다. Args:
  • probs: 각 클래스에 대한 예측 확률 시퀀스입니다. 시퀀스 형태는 (N, K)여야 하며, 여기서 N은 샘플 수, K는 클래스 수입니다. 이 인자를 사용하면 preds는 제공하면 안 됩니다.
  • y_true: 실제 레이블 시퀀스입니다.
  • preds: 예측된 클래스 레이블 시퀀스입니다. 이 인자를 사용하면 probs는 제공하면 안 됩니다.
  • class_names: 클래스 이름 시퀀스입니다. 제공되지 않으면 클래스 이름은 “Class_1”, “Class_2” 등으로 정의됩니다.
  • title: 혼동 행렬 차트의 제목입니다.
  • split_table: 테이블을 W&B UI에서 별도 섹션으로 분리할지 여부입니다. True이면 테이블은 “Custom Chart Tables”라는 섹션에 표시됩니다. 기본값은 False입니다.
Returns:
  • CustomChart: W&B에 로그할 수 있는 커스텀 차트 객체입니다. 차트를 로그하려면 wandb.log()에 전달합니다.
Raises:
  • ValueError: probs와 preds가 둘 다 제공되었거나 예측값과 실제 레이블 수가 서로 다른 경우, 또는 고유한 예측 클래스 수가 클래스 이름 수를 초과하거나 고유한 실제 레이블 수가 클래스 이름 수를 초과하는 경우에 발생합니다.
  • wandb.Error: numpy가 설치되어 있지 않은 경우 발생합니다.
Examples: 야생동물 분류를 위해 무작위 확률값으로 혼동 행렬을 로깅하는 예: 
import numpy as np
import wandb

# 야생동물 클래스 이름 정의
wildlife_class_names = ["Lion", "Tiger", "Elephant", "Zebra"]

# 무작위 실제 레이블 생성 (10개 샘플에 대해 0~3)
wildlife_y_true = np.random.randint(0, 4, size=10)

# 각 클래스에 대한 무작위 확률 생성 (10개 샘플 x 4개 클래스)
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 초기화 및 혼동 행렬 로깅
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})
이 예제에서는 랜덤 확률을 사용해 혼동 행렬을 생성합니다. 다음은 시뮬레이션된 모델 예측과 85% 정확도로 혼동 행렬을 로깅하는 예시입니다: 
import numpy as np
import wandb

# 야생동물 클래스 이름 정의
wildlife_class_names = ["Lion", "Tiger", "Elephant", "Zebra"]

# 200개 동물 이미지에 대한 실제 레이블 시뮬레이션 (불균형 분포)
wildlife_y_true = np.random.choice(
    [0, 1, 2, 3],
    size=200,
    p=[0.2, 0.3, 0.25, 0.25],
)

# 85% 정확도로 모델 예측 시뮬레이션
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 run 초기화 및 혼동 행렬 로깅
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})
이 예제에서는 정확도가 85%인 예측을 시뮬레이션하여 혼동 행렬을 생성합니다.