В настоящее время я вычисляю несколько матриц путаницы и нормализую их.
for i in range(0,215)
[...]
matrix_confusion[i] = np.asarray(confusion_matrix(Y_test, Y_pred))
matrix_confusion[i] = matrix_confusion[i].astype(float) /
matrix_confusion[i].sum(axis=1)[:,np.newaxis]
Цель состоит в том, чтобы вычислить среднее из всех матриц путаницы, которые заполняются в цикле выше. Проблема в том, что многие матрицы не заполнены, потому что я пропускаю итерации, когда возникает ValueError. Итак, у меня есть пустые матрицы (предварительно заполненные нулями).
Теперь я подумал о том, чтобы сделать следующее:
matrix_confusion = matrix_confusion[matrix_confusion!=0]
Но это также убивает 0 из нормализованной расчетной матрицы путаницы. Как я могу действовать, если мне просто нужна матрица путаницы, которая представляет собой среднее значение всех ранее заполненных матриц путаницы 2x2 в цикле и не учитывает предварительно заполненные?
#prefilling
matrix_confusion = np.zeros((200,2,2))
Спасибо за вашу помощь!