python混淆矩阵程序

当涉及到机器学习分类问题的评估时，混淆矩阵是一个非常重要的工具。下面是一个用Python编写的混淆矩阵程序示例：

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.metrics import confusion_matrix

# 定义真实标签和预测标签
true_labels = [0, 1, 2, 0, 1, 2, 0, 1, 2]
predicted_labels = [0, 0, 1, 0, 2, 1, 0, 1, 2]

# 创建混淆矩阵
cm = confusion_matrix(true_labels, predicted_labels)

# 可视化混淆矩阵
plt.figure(figsize=(6, 5))
sns.heatmap(cm, annot=True, fmt="d", cmap="Blues")
plt.title("Confusion Matrix")
plt.xlabel("Predicted Labels")
plt.ylabel("True Labels")
plt.show()

上述代码中，我们首先导入了必要的库。然后，我们定义了真实标签和预测标签两个列表，这些列表包含了分类问题中的真实值和预测值。接下来，我们使用`confusion_matrix`函数从`sklearn.metrics`模块中创建混淆矩阵。最后，我们使用`heatmap`函数从`seaborn`库中可视化混淆矩阵。

运行上述代码后，你将会得到一个基于真实标签和预测标签生成的混淆矩阵的可视化结果。在这个可视化结果中，矩阵的每个单元格表示被正确（对角线上的单元格）或错误（非对角线上的单元格）分类的样本数量。

希望这个示例能帮助到你！如果有任何进一步的问题，请随时提问。