python混淆矩阵查准率

以下是使用scikit-learn包计算混淆矩阵并计算查准率的Python代码示例：

from sklearn.metrics import confusion_matrix

# 假设y_true是真实标签，y_pred是预测标签
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)

# 提取混淆矩阵中的各项值
tn, fp, fn, tp = cm.ravel()

# 计算查准率
precision = tp / (tp + fp)

print("混淆矩阵：")
print(cm)
print("查准率：", precision)

这段代码首先导入了`confusion_matrix`函数，然后定义了真实标签`y_true`和预测标签`y_pred`。接下来，使用`confusion_matrix`函数计算混淆矩阵，并使用`ravel`函数将混淆矩阵展平为一维数组。然后，从展平后的数组中提取真阴性（tn）、假阳性（fp）、假阴性（fn）和真阳性（tp）的值。最后，通过计算查准率，即真阳性数除以真阳性数加假阳性数，得到查准率的值。