Y_test [i]! = y_pred [i], но соответствующая матрица путаницы противоречивая ⇐ Python

[Anonymous]

Я сделал это отображение между индексами и классами: < /p>

Код: Выделить всё

class_mapping = {
0: 'Recettori accoppiati a proteine G',
1: 'Tirosin-chinasi',
2: 'Tirosina fosfatasi',
3: 'Sintetasi',
4: 'Sintasi',
5: 'Canale ionico',
6: 'Fattore di trascrizione'
}
< /code>
Я установил свой мультиномиальный классификатор, как это: < /p>
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import MultinomialNB

x_train, x_test, y_train, y_test = train_test_split(x_train, y_train, test_size = 0.2, random_state=42)

classifier = MultinomialNB()
classifier.fit(x_train, y_train)
< /code>
И я получаю эту матрицу путаницы: < /p>
from sklearn.metrics import confusion_matrix

y_pred = classifier.predict(x_test)

cm = confusion_matrix(y_test, y_pred)

[[ 51   0   0   0   0   0   0]
[  1 261   0   2   1   0   0]
[  2   1  98   1   0   0   0]
[  0   3   0 146   0   0   0]
[  0   0   0   1 124   0   0]
[  0   2   0   0   0 104   0]
[  0   0   0   0   0   0  78]]

В любом случае, если, если Я запускаю этот фрагмент: < /p>

Код: Выделить всё

i = 10
print(f"AI says: {y_pred[i]}")
print(f"True label: {y_test[i]}")

Я получаю: AI говорит, что Canale Ionico и True Label: recettori accoppiati a белок g .
Я получаю два Разные классы, и поэтому я ожидаю, что матрица путаницы будет: < /p>

Код: Выделить всё

[[ 51   0   0   0   0   >1<   0]
[  1 261   0   2   1   0   0]
[  2   1  98   1   0   0   0]
[  0   3   0 146   0   0   0]
[  0   0   0   1 124   0   0]
[  0   2   0   0   0 104   0]
[  0   0   0   0   0   0  78]]

Как это?

Подробнее здесь: https://stackoverflow.com/questions/793 ... consistent