逻辑回归混淆矩阵的代码

以下是逻辑回归混淆矩阵的代码示例：

# 导入相关包
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import confusion_matrix
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 创建样本数据
X, y = make_classification(n_samples=1000, n_features=5, n_classes=2, random_state=42)

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 构建并训练逻辑回归模型
model = LogisticRegression()
model.fit(X_train, y_train)

# 预测测试集
y_pred = model.predict(X_test)

# 计算混淆矩阵
tn, fp, fn, tp = confusion_matrix(y_true=y_test, y_pred=y_pred).ravel()

# 输出混淆矩阵
print("混淆矩阵：")
print("真阳性(TP): ", tp)
print("假阳性(FP): ", fp)
print("真阴性(TN): ", tn)
print("假阴性(FN): ", fn)

以上代码利用 `sklearn` 包中的 `LogisticRegression` 进行逻辑回归模型的构建和训练，利用测试数据集预测，并计算混淆矩阵，输出其混淆矩阵。其中 `confusion_matrix` 函数计算混淆矩阵，`tn`、`fp`、`fn`、`tp` 分别表示真阴性、假阳性、假阴性和真阳性的个数。