confusion_matrix 的含义

confusion_matrix是机器学习中用来总结分类模型预测结果的情形分析表。它以矩阵的形式将数据集中的记录按照真实的类别和分类模型预测的类别判断两个标准进行汇总。\[2\]在二分类问题中，混淆矩阵的行表示真实值，列表示预测值。矩阵的四个元素分别表示真正例(TP)，假正例(FP)，假反例(FN)，真反例(TN)。其中，TP表示模型正确预测为正例的样本数量，FP表示模型错误预测为正例的样本数量，FN表示模型错误预测为反例的样本数量，TN表示模型正确预测为反例的样本数量。\[2\]通过混淆矩阵，我们可以计算出精确率(Precision)、召回率(Recall)和准确率(Accuracy)等评估指标，用来评估分类模型的性能。\[3\]
#### 引用[.reference_title]
- *1* *2* *3* [模型评估之混淆矩阵（confusion_matrix）含义及Python代码实现](https://blog.csdn.net/weixin_39552317/article/details/110985768)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]