python如何利用混淆矩阵评价模型精度
时间: 2023-08-24 12:07:20 浏览: 48
Python中可以使用scikit-learn库中的confusion_matrix函数来计算混淆矩阵,以及通过混淆矩阵计算模型的准确率、召回率、精确率等指标。具体步骤如下:
1. 导入库和数据集:
```python
import numpy as np
from sklearn.metrics import confusion_matrix
# 导入测试数据和预测结果
y_true = np.array([0, 1, 0, 1, 0, 1])
y_pred = np.array([0, 1, 1, 1, 0, 0])
```
2. 计算混淆矩阵:
```python
# 计算混淆矩阵
cm = confusion_matrix(y_true, y_pred)
print(cm)
```
运行结果为:
```
[[2 1]
[1 2]]
```
3. 计算模型的准确率、召回率、精确率等指标:
```python
# 计算准确率
accuracy = np.sum(np.diag(cm)) / np.sum(cm)
print("Accuracy:", accuracy)
# 计算召回率
recall = cm[0, 0] / (cm[0, 0] + cm[0, 1])
print("Recall:", recall)
# 计算精确率
precision = cm[0, 0] / (cm[0, 0] + cm[1, 0])
print("Precision:", precision)
```
运行结果为:
```
Accuracy: 0.6666666666666666
Recall: 0.6666666666666666
Precision: 0.6666666666666666
```
通过混淆矩阵和计算指标,可以评价模型的分类精度。