混淆矩阵代码,要详细,给出二分类的代码
时间: 2024-09-16 15:06:04 浏览: 35
混淆矩阵(Confusion Matrix),也叫错误矩阵,是用来评估分类模型性能的一种工具,特别适用于二分类或多分类任务。它将实际结果(True Positives, True Negatives, False Positives, False Negatives)分为四个类别,并通过它们计算出准确率、召回率、精确率和支持度等关键指标。
以下是使用Python的`sklearn`库创建和解释二分类混淆矩阵的一个简单示例:
```python
from sklearn.metrics import confusion_matrix
import numpy as np
# 假设我们有真实标签(y_true)和预测标签(y_pred)
y_true = [0, 0, 1, 1, 1] # 真实标签
y_pred = [0, 1, 1, 1, 0] # 预测标签
# 创建混淆矩阵
cm = confusion_matrix(y_true, y_pred)
# 输出混淆矩阵
print("混淆矩阵:\n", cm)
# 解释矩阵:
# - TP (True Positive): 真实为正样本且被预测为正样本的数量
# - TN (True Negative): 真实为负样本且被预测为负样本的数量
# - FP (False Positive): 被误判为正样本的真实负样本数量
# - FN (False Negative): 被误判为负样本的真实正样本数量
# 计算一些常用指标:
accuracy = np.trace(cm) / np.sum(cm)
precision = cm[0][0] / (cm[0][0] + cm[1][0])
recall = cm[0][0] / (cm[0][0] + cm[0][1])
print(f"Accuracy: {accuracy}")
print(f"Precision: {precision}")
print(f"Recall (Sensitivity or True Positive Rate): {recall}")
#