如何使用Numpy从y_true与y_pred生成假阳性的独热编码掩码？

问题背景 #

给定真实标签数组和预测标签数组：

y_true = np.array([5,6,7,5])
y_pred = np.array([5,7,7,5])

需要针对类别5、6、7生成对应假阳性的独热编码数组，最终输出维度为(3,4)，其中每一行对应一个类别的假阳性标记（1表示该位置是对应类别的假阳性，0表示不是）。

实现代码 #

import numpy as np

y_true = np.array([5,6,7,5])
y_pred = np.array([5,7,7,5])
# 定义目标类别集合
classes = np.array([5,6,7])

# 初始化结果数组，形状为(类别数, 样本数)
false_positive_arr = np.zeros((len(classes), len(y_true)), dtype=int)

# 遍历每个类别，生成对应假阳性标记
for idx, cls in enumerate(classes):
    # 假阳性判定：预测为当前类别，但真实标签不是当前类别
    fp_mask = (y_pred == cls) & (y_true != cls)
    # 将布尔掩码转为整数数组，存入结果对应行
    false_positive_arr[idx] = fp_mask.astype(int)

# 按要求格式输出每个类别的结果
for cls_name, fp_list in zip([f"y_falsep_class{c}" for c in classes], false_positive_arr):
    print(f"{cls_name}: {fp_list.tolist()}")

# 验证结果维度
print(f"\n结果数组维度: {false_positive_arr.shape}")

输出结果 #

运行代码后会得到：

y_falsep_class5: [0, 0, 0, 0]
y_falsep_class6: [0, 0, 0, 0]
y_falsep_class7: [0, 1, 0, 0]

结果数组维度: (3, 4)

逻辑说明 #

• 假阳性的判定逻辑：对于某一类别，当预测值等于该类别，但真实值不等于该类别时，该位置标记为1，否则为0
• 通过遍历每个类别生成对应掩码，再将掩码转为整数数组，最终组合成要求的形状

内容的提问来源于stack exchange，提问作者Muhammad Ikhwan Perwira