python求混淆矩阵
时间: 2024-04-27 20:17:43 浏览: 103
Python 计算混淆矩阵
在机器学习中,混淆矩阵是一种用于评估分类模型性能的工具。它是一个二维矩阵,用于比较模型预测结果与真实标签之间的差异。在Python中,可以使用scikit-learn库来计算混淆矩阵。
以下是一个计算混淆矩阵的示例代码:
```python
from sklearn.metrics import confusion_matrix
# 假设有真实标签和模型预测结果
y_true = [0, 1, 0, 1, 1, 0]
y_pred = [0, 1, 1, 1, 0, 0]
# 计算混淆矩阵
cm = confusion_matrix(y_true, y_pred)
print(cm)
```
输出结果为:
```
[[2 1]
[1 2]]
```
混淆矩阵的行表示真实标签,列表示模型预测结果。对于二分类问题,通常有四个值:真正例(True Positive,TP)、假正例(False Positive,FP)、真反例(True Negative,TN)和假反例(False Negative,FN)。在上述示例中,混淆矩阵的解释如下:
```
[[2 1]
[1 2]]
```
- 真正例(TP):模型正确预测为正例的样本数,此处为2。
- 假正例(FP):模型错误预测为正例的样本数,此处为1。
- 真反例(TN):模型正确预测为反例的样本数,此处为2。
- 假反例(FN):模型错误预测为反例的样本数,此处为1。
通过混淆矩阵,我们可以计算出一系列评估指标,如准确率、召回率、精确率等,以更全面地评估分类模型的性能。
阅读全文