CNNでの画像認識においての混同行列表示

Question

前提・実現したいこと

今、CNNで画像認識を行おうとしており、10クラス分の正解率などを表示したのですが、
混同行列を表示しようとした時、なぜか項目？が1つ足りず、9つしか出てきません。
プログラムは合っていると思うのですが、何故なのか教えていただいたいです。

発生している問題・エラーメッセージ

ヒートマップで表示しても、コマンドの方でも同じく9×9の表になってしまいます。
何故なのか教えていただけると幸いです。

該当のソースコード

# 混同行列
predict_classes = model.predict_classes(X_test)
true_classes = np.argmax(y_test, 1)
print(confusion_matrix(true_classes, predict_classes))

sns.heatmap(confusion_matrix(true_classes, predict_classes), annot=True, fmt='g', square=True)
plt.show()

コマンド全体

import keras
from keras.utils import np_utils
from keras.models import Sequential
from keras.layers.convolutional import MaxPooling2D
from keras.layers import Conv2D, Flatten, Dense, Dropout
from sklearn.model_selection import train_test_split
from PIL import Image
from keras.callbacks import EarlyStopping
import numpy as np
import glob
import matplotlib.pyplot as plt
from sklearn.metrics import confusion_matrix
import pandas as pd
import seaborn as sns

classes = [
           "犬","猫","うさぎ","虎","ネズミ","クマ","狸","狐","ライオン","シロクマ"
           ]

num_classes = len(classes)

X = []
Y = []
for index, classlabel in enumerate(classes):
    dir = "./" + classlabel 
    files = glob.glob(dir + "/*.jpg")
    for i, file in enumerate(files):
        image = Image.open(file)
        image = image.convert("RGB")
        image = image.resize((64, 64))
        data = np.asarray(image)
        X.append(data)
        Y.append(index)

X = np.array(X)
Y = np.array(Y)
X = X.astype('float32')/255.0

Y = np_utils.to_categorical(Y, num_classes)
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.1)

model = Sequential()
model.add(Conv2D(32, (3, 3), padding='same',input_shape=X_train.shape[1:], activation="relu"))
model.add(Conv2D(32, (3, 3), padding='same', activation="relu"))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Conv2D(64, (3, 3), padding='same', activation="relu"))
model.add(Conv2D(64, (3, 3), padding='same', activation="relu"))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Conv2D(128, (3, 3), padding='same', activation="relu"))
model.add(Conv2D(128, (3, 3), padding='same', activation="relu"))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Flatten())
model.add(Dense(128 ,activation="relu"))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation="softmax"))

#model.summary()

opt = keras.optimizers.Adam(lr=0.0005, decay=1e-5)
model.compile(loss='categorical_crossentropy', optimizer=opt, metrics=['accuracy'])

early_stopping = EarlyStopping(monitor='val_accuracy', min_delta=0.5, patience=10, verbose=1)

hist = model.fit(X_train, y_train, batch_size=1000, verbose=1,
                epochs=20, validation_split=0.1,
                shuffle=True,callbacks=[early_stopping])

score=model.evaluate(X_test, y_test)
print('Test loss:', score[0])
print('test acc:', score[1])

model.save('./cnn.h5')

Comments

[toast-uz]

テストデータには10クラス全てが入っていますか？
np.unique(np.argmax(y_test, 1))で確認ください。

[退会済みユーザー]

ありがとうございます。
確認してみたら、9クラスしか入っていませんでした。
どのようにすればよいか教えていただけますか？

[toast-uz]

確認ありがとうございます。状況は承知しました。今は時間が無いですので、あとでまだ回答がついていなければ、調べてみたいと思います。

Answer 1

confusion_matrixは引数に含まれるクラスの分しか表示されないようです。以下のコードの前半がその例です。
含まれないクラスも0として表示するには、以下のコードの後半のようにlabelsを指定することで、実現可能です。

from sklearn.metrics import confusion_matrix

x = [1, 2, 0, 2, 5, 4, 1]  # 3が無い
y = [5, 1, 1, 1, 2, 2, 2]  # 3が無い

print(confusion_matrix(x, y))
#[[0 1 0 0 0]
# [0 0 1 0 1]
# [0 2 0 0 0]
# [0 0 1 0 0]
# [0 0 1 0 0]]

labels = range(0, 6)   # 0〜5のリストっぽいもの
print(confusion_matrix(x, y, labels=labels))
#[[0 1 0 0 0 0]
# [0 0 1 0 0 1]
# [0 2 0 0 0 0]
# [0 0 0 0 0 0]
# [0 0 1 0 0 0]
# [0 0 1 0 0 0]]

Comments

[退会済みユーザー]

ありがとうございます
解決しました！