通过调用metrics.confusion_matrix来混淆矩阵

混淆矩阵是用于评估分类模型性能的一种工具，它可以展示模型在测试集上真实标签和预测标签之间的关系。在 Python 中，可以通过调用 scikit-learn 库的 metrics 模块中的 confusion_matrix 函数来生成混淆矩阵。以下是一个示例代码：

from sklearn.metrics import confusion_matrix

y_true = [0, 1, 0, 1, 0, 1]
y_pred = [0, 0, 1, 1, 0, 1]

cm = confusion_matrix(y_true, y_pred)

print(cm)

在这个例子中，`y_true` 和 `y_pred` 分别代表了真实标签和预测标签。调用 `confusion_matrix(y_true, y_pred)` 函数会返回一个混淆矩阵，打印结果如下：

[[3 0]
 [1 2]]

这个混淆矩阵的行表示真实标签，列表示预测标签，矩阵中的每个元素表示真实标签和预测标签相同的样本数。例如，第一行第一列的 3 表示真实标签为 0，但模型预测为 0 的样本数有 3 个；第二行第一列的 1 表示真实标签为 1，但模型预测为 0 的样本数有 1 个。通过分析混淆矩阵，我们可以得到模型在不同类别上的预测准确率和误判情况等信息。