kaggle心脏病数据集决策树算法绘制混淆矩阵并给混淆矩阵取名

以下是使用决策树算法绘制混淆矩阵并命名的代码示例：

# 导入需要的库和数据集
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import confusion_matrix
from sklearn.model_selection import train_test_split

heart_data = pd.read_csv('heart.csv')

# 将数据集分为特征和标签
X = heart_data.drop(columns=['target'])
y = heart_data['target']

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建决策树分类器
clf = DecisionTreeClassifier()

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 绘制混淆矩阵
confusion = confusion_matrix(y_test, y_pred)
print(confusion)

# 命名混淆矩阵
confusion_name = pd.DataFrame(confusion, columns=['Predicted 0', 'Predicted 1'], index=['Actual 0', 'Actual 1'])
print(confusion_name)

以上代码将心脏病数据集分为训练集和测试集，使用决策树算法训练模型并预测测试集。然后，使用sklearn.metrics库中的confusion_matrix函数绘制混淆矩阵，并使用pandas库将混淆矩阵命名为confusion_name。