objectif

Évaluer une classification multi-classes.

code minimal

from sklearn.metrics import confusion_matrix, classification_report
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
X, y = load_iris(return_X_y=True)
clf = LogisticRegression(max_iter=1000).fit(X, y)
pred = clf.predict(X)
cm = confusion_matrix(y, pred)
print(cm.shape)

utilisation

from sklearn.metrics import classification_report
print(isinstance(classification_report(y, pred), str))

variante(s) utile(s)

from sklearn.metrics import confusion_matrix
print(confusion_matrix([0,1],[0,1]).trace())

notes

• Interpréter avec précision, rappel, F1 par classe.