> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-serverless-sft-revamp.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# confusion_matrix()
export const GitHubLink = ({url}) =>
GitHub source
;
### function `confusion_matrix`
```python theme={null}
confusion_matrix(
probs: 'Sequence[Sequence[float]] | None' = None,
y_true: 'Sequence[T] | None' = None,
preds: 'Sequence[T] | None' = None,
class_names: 'Sequence[str] | None' = None,
title: 'str' = 'Confusion Matrix Curve',
split_table: 'bool' = False
) → CustomChart
```
일련의 확률값 또는 예측값을 사용하여 오차 행렬 (confusion matrix)을 생성합니다.
**Args:**
* `probs`: 각 클래스에 대한 예측 확률 시퀀스입니다. 시퀀스의 형태는 (N, K)여야 하며, 여기서 N은 샘플 수, K는 클래스 수입니다. 이 인자를 제공하는 경우 `preds`는 제공하지 않아야 합니다.
* `y_true`: 실제 라벨의 시퀀스입니다.
* `preds`: 예측된 클래스 라벨의 시퀀스입니다. 이 인자를 제공하는 경우 `probs`는 제공하지 않아야 합니다.
* `class_names`: 클래스 이름의 시퀀스입니다. 제공되지 않으면 클래스 이름은 "Class\_1", "Class\_2" 등으로 정의됩니다.
* `title`: 오차 행렬 차트의 제목입니다.
* `split_table`: 테이블을 W\&B UI의 별도 섹션으로 분리할지 여부입니다. `True`인 경우 테이블은 "Custom Chart Tables"라는 섹션에 표시됩니다. 기본값은 `False`입니다.
**Returns:**
* `CustomChart`: W\&B에 로그를 남길 수 있는 커스텀 차트 오브젝트입니다. 차트를 로그하려면 `wandb.log()`에 전달하세요.
**Raises:**
* `ValueError`: `probs`와 `preds`가 모두 제공되거나, 예측값과 실제 라벨의 수가 일치하지 않는 경우 발생합니다. 또한 고유한 예측 클래스 수가 클래스 이름의 수를 초과하거나 고유한 실제 라벨 수가 클래스 이름의 수를 초과하는 경우에도 발생합니다.
* `wandb.Error`: numpy가 설치되어 있지 않은 경우 발생합니다.
**Examples:**
야생 동물 분류를 위한 무작위 확률값으로 오차 행렬을 로그하는 예시:
```python theme={null}
import numpy as np
import wandb
# 야생 동물에 대한 클래스 이름 정의
wildlife_class_names = ["Lion", "Tiger", "Elephant", "Zebra"]
# 무작위 실제 라벨 생성 (10개 샘플에 대해 0에서 3 사이의 값)
wildlife_y_true = np.random.randint(0, 4, size=10)
# 각 클래스에 대한 무작위 확률값 생성 (10개 샘플 x 4개 클래스)
wildlife_probs = np.random.rand(10, 4)
wildlife_probs = np.exp(wildlife_probs) / np.sum(
np.exp(wildlife_probs),
axis=1,
keepdims=True,
)
# W&B run 초기화 및 오차 행렬 로그
with wandb.init(project="wildlife_classification") as run:
confusion_matrix = wandb.plot.confusion_matrix(
probs=wildlife_probs,
y_true=wildlife_y_true,
class_names=wildlife_class_names,
title="Wildlife Classification Confusion Matrix",
)
run.log({"wildlife_confusion_matrix": confusion_matrix})
```
이 예시에서는 무작위 확률값을 사용하여 오차 행렬을 생성합니다.
85%의 정확도를 가진 시뮬레이션된 모델 예측값으로 오차 행렬을 로그하는 예시:
```python theme={null}
import numpy as np
import wandb
# 야생 동물에 대한 클래스 이름 정의
wildlife_class_names = ["Lion", "Tiger", "Elephant", "Zebra"]
# 200개의 동물 이미지에 대한 실제 라벨 시뮬레이션 (불균형 분포)
wildlife_y_true = np.random.choice(
[0, 1, 2, 3],
size=200,
p=[0.2, 0.3, 0.25, 0.25],
)
# 85% 정확도를 가진 모델 예측값 시뮬레이션
wildlife_preds = [
y_t
if np.random.rand() < 0.85
else np.random.choice([x for x in range(4) if x != y_t])
for y_t in wildlife_y_true
]
# W&B run 초기화 및 오차 행렬 로그
with wandb.init(project="wildlife_classification") as run:
confusion_matrix = wandb.plot.confusion_matrix(
preds=wildlife_preds,
y_true=wildlife_y_true,
class_names=wildlife_class_names,
title="Simulated Wildlife Classification Confusion Matrix",
)
run.log({"wildlife_confusion_matrix": confusion_matrix})
```
이 예시에서는 오차 행렬을 생성하기 위해 85% 정확도로 시뮬레이션된 예측값을 사용합니다.