ValueError: Classification metrics can't handle a mix of multilabel-indicator and binary targetsの解決法が分からないから書いた。

経緯

2値分類をするディープラーニングの結果(確率結果)に対して混同行列を作りたくて、sklearnのcofusion_matrixを使ったけど、

error

ValueError: Classification metrics can't handle a mix of multilabel-indicator and binary targets

errorが出た、、
原因はテストデータの正解ラベルと推論結果の形式が違うからだと思う。

#テストデータ：one-hot
[[0.1.]
 [0.1.]
   :  
 [1.0.]
 [1.0.]]

#推論結果：確率
[[0.011592121794819832,0.9884079098701477]
                   :
 [0.9900621175765991,0.009937929920852184]]

いろいろ調べて試してみたけどよく分からんし、練習がてら自分で作ってみようと思いました！！

作ったやつ

テストデータは0と1の画像各100枚で、0の画像は正解ラベルが0、1の画像は正解ラベルが1と想定してます。また、分類時の閾値は0.5にしてます。評価しているのは0の画像です。

コード

y_pred = model.predict(X_test)  #テスト

label = Y_test.reshape(-1,1)  #one-hotにする前の正解ラベルをn行1列に変換
result = np.concatenate([label,y_pred], 1)   #正解ラベルと結果を結合->n行3列
np.savetxt("result.txt", result, fmt = "%s", delimiter = " " )  #保存

map = np.array([[0,0],[0,0]])
result = pd.read_csv("result.txt", sep = " ", header = None, dtype = "float32") #ファイルを開く
result = np.array(result)
for col in result:  #ファイルを1行ずつ読み込み
    if col[1] > 0.5:      #predict_0>0.5    
       if col[0] == 0:    #label_0=predict_0
          map[0,0] += 1   
       else:              #label_1=predict_0
          map[0,1] += 1
    if col[2] > 0.5:      #predict_1>0.5
       if col[0] == 1:    #label_1=predict_1
          map[1,1] += 1    
       else:              #label_0=predict_1   
          map[1,0] += 1

print(map)
print("test accuracy:",(map[0,0]+map[1,1])/(map[0,0]+map[1,1]+map[1,0]+map[0,1]))
print("test precision:", (map[0,0])/(map[0,0]+map[0,1]))
print("test recall:", (map[0,0])/(map[0,0]+map[1,0]))

出力

[[99 5]
 [1 95]]
test accuracy:0.97
test precision:0.95192308
test recall:0.99

本当はもっと簡単なやり方あるんだろうけど。。。
よかったら教えてください！！！