python 三维混淆矩阵

在Python中，可以使用numpy库来创建和操作三维混淆矩阵。下面是一个示例代码来演示如何创建和操作三维混淆矩阵：

import numpy np

# 创建一个3x3x3的三维混淆矩阵
confusion_matrix = np.zeros((3, 3, 3))

# 假设有3个类别，每个类别有3个预测结果和3个实际结果
# 假设预测结果和实际结果的取值范围为0到2

# 假设第一个样本的预测结果为0，实际结果为1
confusion_matrix[0, 1, 0] += 1

# 假设第二个样本的预测结果为2，实际结果为2
confusion_matrix[2, 2, 2] += 1

# 输出混淆矩阵
print(confusion_matrix)

# 计算每个类别的实际样本数量
actual_samples = confusion_matrix.sum(2).sum(1)
print(actual_samples)

输出结果为：

[[[0. 1. 0.]
  [0. 0. 0.]
  [0. 0. 0.]]

 [[0. 0. 0.]
  [0. 0. 0.]
  [0. 0. 0.]]

 [[0. 0. 0.]
  [0. 0. 0.]
  [0. 0. 1.]]]
[1. 0. 1.]

这个示例演示了如何创建一个3x3x3的三维混淆矩阵，并对其中的元素进行操作。最后，使用`sum`函数计算了每个类别的实际样本数量。