混淆矩阵python代码

当涉及到分类问题的性能评估时，混淆矩阵是一种常用的工具。在Python中，你可以使用scikit-learn库来计算和可视化混淆矩阵。下面是一个示例代码：

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

# 随机生成实际类别和预测类别
y_true = np.random.randint(low=0, high=3, size=100)
y_pred = np.random.randint(low=0, high=3, size=100)

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

# 可视化混淆矩阵
plt.imshow(cm, interpolation='nearest', cmap=plt.cm.Blues)
plt.title("Confusion Matrix")
plt.colorbar()
tick_marks = np.arange(len(np.unique(y_true)))
plt.xticks(tick_marks, np.unique(y_true))
plt.yticks(tick_marks, np.unique(y_true))
plt.xlabel('Predicted')
plt.ylabel('Actual')

# 添加数值标签
thresh = cm.max() / 2.0
for i in range(cm.shape[0]):
    for j in range(cm.shape[1]):
        plt.text(j, i, format(cm[i, j], 'd'),
                 horizontalalignment="center",
                 color="white" if cm[i, j] > thresh else "black")

plt.show()

以上代码将生成一个混淆矩阵的可视化图表，其中 x 轴和 y 轴表示实际类别和预测类别，每个格子中的数字表示对应的分类数量。