Azure ML混淆矩阵Raw配置显示浮点数而非整数的问题求助

我使用Azure Machine Learning Service进行二分类建模，调用azureml.training.tabular.score.scoring库的score_classification方法跟踪分析模型结果，代码如下：

metrics = score_classification(
        y_test, y_pred_probs, metrics_names_list, class_labels, train_labels, sample_weight=sample_weights, use_binary=True)

参数说明：

• y_test：由0和1组成的数组
• y_pred_probs：每个元素为浮点值的数组
• metrics_names_list：需计算的指标列表：['f1_score_classwise', 'confusion_matrix']
• class_labels：包含两个元素的数组[0, 1]
• train_labels：包含两个元素的列表['False', 'True']

问题：在Azure ML门户的指标页面中，混淆矩阵切换到Raw模式时，单元格显示的是浮点数而非预期的整数样本数量。

解决方案 #

1. 移除样本加权参数（无需加权场景）

如果建模场景不需要对样本进行加权，直接删除sample_weight=sample_weights参数即可。此时score_classification会直接统计样本数量，混淆矩阵Raw模式下将显示整数。

修改后的代码：

metrics = score_classification(
        y_test, y_pred_probs, metrics_names_list, class_labels, train_labels, use_binary=True)

2. 手动转换混淆矩阵为整数（需加权场景）

如果必须使用样本加权，可以在计算完成后手动将混淆矩阵的浮点数转换为整数，再重新记录到Azure ML指标中：

# 计算原始指标
metrics = score_classification(
        y_test, y_pred_probs, metrics_names_list, class_labels, train_labels, sample_weight=sample_weights, use_binary=True)

# 将混淆矩阵转换为整数类型
confusion_matrix = metrics['confusion_matrix'].astype(int)

# 手动记录处理后的混淆矩阵
from azureml.core.run import Run
current_run = Run.get_context()
current_run.log_confusion_matrix(
    name='confusion_matrix',
    value=confusion_matrix,
    class_labels=train_labels
)

3. 验证输入数据的正确性

确认y_test是纯整数数组，y_pred_probs的处理逻辑正确，避免因输入数据类型问题导致计数异常。

内容的提问来源于stack exchange，提问作者elldora