统计学习混淆表变量

Question

我的混淆表中出现了一个额外的变量，不确定它来自哪里。 数据集“默认”具有以下列：默认、学生、收入、余额 变量“默认”有两个值：“是”和“否”

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import statsmodels.api as sm
from ISLP import load_data
from ISLP.models import (ModelSpec as MS,
                         summarize,
                         poly)
from ISLP import confusion_table



Default = load_data('Default')
vars = Default.columns.drop(['default'])
y = Default['default'] == 'Yes'
design = MS(vars)
X = design.fit_transform(Default)
glm = sm.GLM(y,
             X,
             family = sm.families.Binomial())
results = glm.fit()
summarize(results)
probs = results.predict()
labels = np.array(['No']*10000)
labels[probs>0.5] = 'Yes'
confusion_table(labels,Default.default)

在输出中，我得到一个 3x3 表格，其中包含变量“No”、“Yes”和“Ye”

我希望混淆表值仅为“是”和“否”。不知何故，numpy.array“标签”设置为“Ye”而不是“Yes”。

Answer 1

Numpy 可能会推断

labels = np.array(['No']*10000)

的数据类型为 2 个字符，因为数组的所有元素都有两个字符。

尝试

labels = np.array(['No']*10000, dtype='<U3')