二分类法 混淆矩阵代码

二分类法是一种常见的机器学习分类方法，它用于区分两个类别，比如预测结果是正面还是负面、疾病是否发生等。混淆矩阵是一个统计工具，用于评估模型对两类预测结果的性能。它将实际结果分为四类：真正例（True Positive, TP）、真反例（True Negative, TN）、假正例（False Positive, FP）以及假反例（False Negative, FN）。通过混淆矩阵，我们可以计算出精度（Precision）、召回率（Recall）、F1分数（F1 Score）等关键指标。

下面是一个简单的Python代码示例，使用sklearn库来创建并解释混淆矩阵：

from sklearn.metrics import confusion_matrix
from sklearn.model_selection import train_test_split
import pandas as pd

# 假设我们有一个数据集df，包含特征X和标签y
X = df['features']
y = df['labels']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 训练模型
model.fit(X_train, y_train)

# 预测测试集
y_pred = model.predict(X_test)

# 创建混淆矩阵
conf_mat = confusion_matrix(y_test, y_pred)

# 将混淆矩阵转换为pandas DataFrame
conf_df = pd.DataFrame(conf_mat, columns=['Predicted Negative', 'Predicted Positive'],
                      index=['Actual Negative', 'Actual Positive'])

print(conf_df)

在这个例子中，`conf_mat`就是混淆矩阵，你可以从这个矩阵中分析模型的表现。