如何在Keras/TensorFlow中获取混淆矩阵各分类（TP、TN、FP、FN）的文件名

你不需要重新生成预测，因为你的test_generator已经设置了shuffle=False，测试集的文件顺序和标签、预测结果完全对应，直接用现有数据就能匹配出各类别的文件名。

步骤1：补全预测结果 #

先运行代码生成预测类别（你当前代码里的yy_pred未定义）：

# 生成测试集预测概率
y_pred_probs = model.predict(test_generator)
# 二分类任务，以0.5为阈值转换为类别标签
y_pred = (y_pred_probs > 0.5).astype(int).flatten()

步骤2：提取测试集文件路径 #

test_generator自带的filenames属性保存了所有测试图像的相对路径：

test_filenames = test_generator.filenames

步骤3：筛选各类别文件列表 #

结合真实标签y_true和预测标签y_pred，根据混淆矩阵的对应关系筛选：
你的混淆矩阵为[[22, 10],[9, 50]]，行是真实标签、列是预测标签，对应：

• TN（真实0，预测0）：22个
• FP（真实0，预测1）：10个
• FN（真实1，预测0）：9个
• TP（真实1，预测1）：50个

执行以下代码得到各类文件列表：

# 筛选各类别文件
tn_files = [test_filenames[i] for i in range(len(y_true)) if y_true[i] == 0 and y_pred[i] == 0]
fp_files = [test_filenames[i] for i in range(len(y_true)) if y_true[i] == 0 and y_pred[i] == 1]
fn_files = [test_filenames[i] for i in range(len(y_true)) if y_true[i] == 1 and y_pred[i] == 0]
tp_files = [test_filenames[i] for i in range(len(y_true)) if y_true[i] == 1 and y_pred[i] == 1]

步骤4：查看或保存结果 #

可以直接打印列表，或保存到文本文件方便后续视觉检查：

# 打印TP文件示例
print("True Positives 文件列表：")
for f in tp_files:
    print(f)

# 保存到本地文件
with open('tp_files.txt', 'w') as f:
    for file in tp_files:
        f.write(file + '\n')

# 同理保存TN/FP/FN文件列表
with open('tn_files.txt', 'w') as f:
    for file in tn_files:
        f.write(file + '\n')

关键注意点 #

shuffle=False是核心前提，它保证了test_filenames的顺序和y_true、y_pred的顺序完全一致，不需要额外对齐操作。

内容的提问来源于stack exchange，提问作者temp