多任务学习（multi-label learning）扫盲

1，MLL 没有单独的直观的二维混淆矩阵，sklearn的实现是多少label就有多少混淆矩阵，每个label一个2x2的混淆矩阵。
（每个label的值是0/1）

from sklearn.metrics import multilabel_confusion_matrix
import numpy as np
classes = ['green', 'black', 'red', 'blue']
targetSrc = [[0,1,1,1], [0,0,1,0], [1,0,0,1], [1,1,1,0], [1,0,0,0]]
predSrc = [[0,1,0,1], [0,0,1,1], [1,0,0,1], [1,0,1,0], [1,0,0,0]]
target = np.array(targetSrc)
pred = np.array(predSrc)
cm = multilabel_confusion_matrix(target, pred)
print(cm.shape) # (4, 2, 2)
print(cm)
# [[[2 0]
#   [0 3]] # 第一个label没有预测错的
#
# [[3 0]
# [1 1]] # 第二个label, 有一个 black预测成了非black
#
# [[2 0] # 一个red预测成了非red
#  [1 2]]
#
# [[2 1] # 一个非blue预测成了blue
#  [0 2]]]

注意：

1. sklearn要安装 0.21及以上版本。
2. 上述例子中是4个label, 5个样本，最终的结果是由4个小的混淆矩阵组成的。
3. 每个小矩阵纵轴是 true label [0, 1], 横轴是 predict label [0, 1]
4. 输入可以接受numpy array或者torch tensor

参考：
https://scikit-learn.org/stable/modules/generated/sklearn.metrics.multilabel_confusion_matrix.html
https://*.com/questions/55877681/importerror-cannot-import-name-multilabel-confusion-matrix