Verkrijg verwarringsmatrix van een Keras Multiclass-model

Ik bouw een multiclass-model met Keras.

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
model.fit(X_train, y_train, batch_size=batch_size, epochs=epochs, verbose=1, callbacks=[checkpoint], validation_data=(X_test, y_test))  # starts training

Zo zien mijn testgegevens eruit (het zijn tekstgegevens).

X_test
Out[25]: 
array([[621, 139, 549, ...,   0,   0,   0],
       [621, 139, 543, ...,   0,   0,   0]])
y_test
Out[26]: 
array([[0, 0, 1],
       [0, 1, 0]])

Na het genereren van voorspellingen…

predictions = model.predict(X_test)
predictions
Out[27]: 
array([[ 0.29071924,  0.2483743 ,  0.46090645],
       [ 0.29566404,  0.45295066,  0.25138539]], dtype=float32)

Ik heb het volgende gedaan om de verwarringsmatrix te krijgen.

y_pred = (predictions > 0.5)
confusion_matrix(y_test, y_pred)
Traceback (most recent call last):
  File "<ipython-input-38-430e012b2078>", line 1, in <module>
    confusion_matrix(y_test, y_pred)
  File "/Users/abrahammathew/anaconda3/lib/python3.6/site-packages/sklearn/metrics/classification.py", line 252, in confusion_matrix
    raise ValueError("%s is not supported" % y_type)
ValueError: multilabel-indicator is not supported

Ik krijg echter de bovenstaande foutmelding.

Hoe kan ik een verwarringsmatrix krijgen als ik een multiclass neuraal netwerk in Keras doe?

Antwoord 1, autoriteit 100%

Je invoer voor confusion_matrixmoet een array zijn van int en niet één hot-codering.

matrix = metrics.confusion_matrix(y_test.argmax(axis=1), y_pred.argmax(axis=1))