這篇文章將介紹什麼是 Confusion Matrix，接著說明 Keras 的 NN 模型推導時，如何從連續的輸出值，轉為類別數字。
Confusion Matrix 是什麼
Confusion Matrix (混淆矩陣) 可以用來檢查實際資料和預測結果之間的差異，是判斷機器學習模型的指標之一。除了最常見的 True/False 表格以外，我們也可以建立多個類別的表格。
以下是一個手寫字母 a, b, c 圖片的判斷結果，使用 Confusion Matrix 來呈現：
| 預測 a | 預測 b | 預測 c | |
|---|---|---|---|
| 實際 a | 46 | 4 | |
| 實際 b | 50 | ||
| 實際 c | 2 | 48 |
上述的結果可以看出 b 的預測完全正確，有 4 張 a 圖被預測為 c 類別，2 張 c 圖被預測為 a 類別，為 0 時不顯示。
轉換標籤類型以產生 Confusion Matrix
Keras 產生的類神經網路架構，以 Dense(2, activation='softmax') 輸出計算結果的話，其輸出標籤的型態將會是 continuous-multioutput，即連續的輸出值。然而若與原本標籤型態不符合，則無法以 scikit-learn 內建的 confusion_matrix() 函式計算 Confusion Matrix。
使用以下的程式碼，可以將預測結果以類別數字的型式 class-vector (integer) 輸出，並輸出 Confusion Matrix。輸出型式和 binary class vector (multiclass-indicator, one-hot-encoding) 不相同。
from sklearn.metrics import confusion_matrix
prediction = model.predict_classes(X_test)
confusion_matrix(y_true, y_pred)