二分类数据集的混淆矩阵代码

混淆矩阵是一种用于评估分类模型性能的工具，特别是在二分类问题中。它展示了实际类别（True Positives, True Negatives, False Positives, False Negatives）与预测结果之间的对应关系。以下是Python中使用sklearn库创建二分类混淆矩阵的一个简单示例：

from sklearn.metrics import confusion_matrix
import numpy as np

# 假设我们有真实标签y_true和模型预测y_pred
y_true = np.array([0, 0, 1, 1])
y_pred = np.array([0, 1, 1, 0])

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

# 矩阵的形状通常是 (实际类别数, 实际类别数)，这里就是 (2, 2)：
# [[真正例, 假正例],
#  [真负例, 假负例]]

在这个例子中，`conf_mat`是一个二维数组，其中`conf_mat[0][0]`表示真正例（即预测为0且实际也是0的情况），`conf_mat[0][1]`表示假正例（预测为0但实际是1的情况），以此类推。