如何获取混淆矩阵中False positives与False negatives对应的数据集

操作步骤 #

你可以通过比对真实标签y_test和预测标签y_pred的差异，直接筛选出所有错分样本，再进一步区分假阳（False Positive）和假阴（False Negative）样本，具体代码如下：

1. 首先将测试集文本、真实标签、预测标签合并为结构化表方便筛选

import pandas as pd

# 注意将下方的X_test替换为你自己存储测试集文本的变量名
test_result = pd.DataFrame({
    "文本内容": X_test,
    "真实标签": y_test,
    "预测标签": y_pred
})

2. 筛选所有分类错误的样本

wrong_samples = test_result[test_result["真实标签"] != test_result["预测标签"]]
# 输出错分样本数量
print(f"错误分类的样本总数：{len(wrong_samples)}")
# 直接查看错分样本明细
print(wrong_samples)

3. 细分假阳、假阴样本（默认二分类场景，正类标签为1，负类标签为0，可根据你的实际标签取值调整）

# 假阳样本：真实为负类，预测为正类
fp_samples = test_result[(test_result["真实标签"] == 0) & (test_result["预测标签"] == 1)]

# 假阴样本：真实为正类，预测为负类
fn_samples = test_result[(test_result["真实标签"] == 1) & (test_result["预测标签"] == 0)]

补充说明 #

如果是多分类场景，不需要细分FP/FN的话直接使用第二步得到的wrong_samples即可拿到所有错分数据，要按指定类别筛选错分样本调整筛选条件即可。

内容的提问来源于stack exchange，提问作者Ankita