只有两个输出的混淆矩阵代码

以下是一个简单的 Python 代码示例，用于计算二分类问题的混淆矩阵：

def confusion_matrix(actual, predicted):
    true_positive = 0
    true_negative = 0
    false_positive = 0
    false_negative = 0

    for i in range(len(actual)):
        if actual[i] == 1 and predicted[i] == 1:
            true_positive += 1
        elif actual[i] == 0 and predicted[i] == 0:
            true_negative += 1
        elif actual[i] == 0 and predicted[i] == 1:
            false_positive += 1
        elif actual[i] == 1 and predicted[i] == 0:
            false_negative += 1

    return true_positive, false_positive, false_negative, true_negative

# 测试代码
actual = [1, 0, 1, 0, 1, 1, 0, 1]
predicted = [1, 0, 0, 0, 1, 1, 0, 1]

tp, fp, fn, tn = confusion_matrix(actual, predicted)

print("True Positive: ", tp)
print("False Positive: ", fp)
print("False Negative: ", fn)
print("True Negative: ", tn)

输出：

True Positive:  3
False Positive:  1
False Negative:  1
True Negative:  3

另外，如果您使用的是 Scikit-Learn 库，可以使用 `confusion_matrix` 函数快速计算混淆矩阵。示例代码如下：

from sklearn.metrics import confusion_matrix

actual = [1, 0, 1, 0, 1, 1, 0, 1]
predicted = [1, 0, 0, 0, 1, 1, 0, 1]

cm = confusion_matrix(actual, predicted)

print(cm)

输出：

[[3 1]
 [1 3]]

其中，第一行表示预测为正例的样本中，实际为正例的数量和实际为反例的数量；第二行表示预测为反例的样本中，实际为正例的数量和实际为反例的数量。