给我一个数据到混淆矩阵的代码

下面是一个简单的Python代码示例，用于将数据集的预测结果转换为混淆矩阵。

假设我们有一个二分类问题，有100个样本，预测结果存储在一个名为predictions的数组中，真实标签存储在一个名为labels的数组中。我们可以使用sklearn.metrics中的confusion_matrix函数来计算混淆矩阵，具体代码如下：

from sklearn.metrics import confusion_matrix

# 定义预测结果和真实标签
predictions = [0, 1, 0, 1, 1, 0, 1, 0, 0, 1, ...]  # 长度为100的数组
labels = [0, 1, 0, 1, 1, 0, 1, 0, 1, 1, ...]  # 长度为100的数组

# 计算混淆矩阵
cm = confusion_matrix(labels, predictions)

# 输出混淆矩阵
print(cm)

运行结果将会输出一个2x2的混淆矩阵，例如：

[[45  5]
 [10 40]]

其中，左上角的元素表示真正例的数量（True Positive, TP），右上角的元素表示假正例的数量（False Positive, FP），左下角的元素表示假反例的数量（False Negative, FN），右下角的元素表示真反例的数量（True Negative, TN）。