用python算出一个二分类任务的混淆矩阵

混淆矩阵是一种评估分类模型性能的工具，特别是在二分类任务中。它展示了实际类别（True Positive、True Negative、False Positive 和 False Negative）和预测类别之间的对比。在Python中，我们可以使用sklearn库中的`confusion_matrix`函数来计算。

以下是一个简单的例子：

from sklearn.metrics import confusion_matrix
import numpy as np

# 假设我们有真实的标签数组y_true和预测的标签数组y_pred
y_true = [0, 0, 1, 1, 1]  # 实际标签
y_pred = [0, 0, 1, 0, 1]   # 预测标签

# 将标签转换为数值形式（通常0表示负类，1表示正类）
y_true = np.array(y_true).reshape(-1)
y_pred = np.array(y_pred).reshape(-1)

# 计算混淆矩阵
cm = confusion_matrix(y_true, y_pred)

print("Confusion Matrix:")
print(cm)

输出结果将是一个二维数组，例如：

[[2 0]
 [1 2]]

其中第一行代表真实为负类的情况，第二行代表真实为正类的情况。对角线上的数字分别代表真正例（True Positive, TP）和真负例（True Negative, TN），而非对角线的数字则代表假正例（False Positive, FP）和假负例（False Negative, FN）。