エレガントなSciPy ―Pythonによる科学技術計算

120

5 章　疎行列を用いた分割表

cont[i, j] = np.sum((pred == i) & (gt == j))

return cont

正しい回数が得られるか、確認してみましょう。

confusion_matrix(pred, gt)

array([[ 3., 1.],

[ 2., 4.]])

5.1.1

　演習：対応行列の計算複雑性

著者らはなぜ上記のコードが非効率的だと言ったのでしょうか。

「

A.6

　解答：対応行列の計算複雑性」を参照してください。

5.1.2

　演習：対応行列を計算する別のアルゴリズム

対応行列を計算するのに、

pred

と

gt

を

1

回しかパスしない、別の方法でコードを書いてみま

しょう。

def confusion_matrix1(pred, gt):

cont = np.zeros((2, 2))

# your code goes here

　ここにあなたのコードが入る。

return cont

「

A.7

　解答：対応行列を計算する別のアルゴリズム」を確認してみましょう。

これまでに取り上げたメールの分別の例は、もう少し一般化できます。スパムと非スパムに分け

る代わりに、スパム、ニュースレター、広告や宣伝、メーリングリスト、個人メールに分類してみ

ます。カテゴリは

5

つなので、

0

から

4

とラベルを付けましょう。対応行列は

5

×

5

になり、正解

の回数は対角成分に、ミスの回数は非対角成分に置きます。

前出の

confusion_matrix

関数の定義のままでは、拡大した行列向けにうまく拡張できません ...