python中混淆矩阵计算精度
时间: 2024-03-20 19:38:08 浏览: 12
在Python中,混淆矩阵是用于评估分类模型性能的一种常用工具。它可以展示模型在不同类别上的分类结果,并计算出各种评估指标,包括精度。
混淆矩阵是一个二维矩阵,行表示实际类别,列表示预测类别。对于二分类问题,混淆矩阵通常是一个2x2的矩阵,包括四个元素:真正例(True Positive, TP)、假正例(False Positive, FP)、真反例(True Negative, TN)和假反例(False Negative, FN)。
精度(Accuracy)是混淆矩阵中对角线元素之和除以总样本数的比例,即:
精度 = (TP + TN) / (TP + FP + TN + FN)
在Python中,可以使用scikit-learn库来计算混淆矩阵和精度。下面是一个示例代码:
```python
from sklearn.metrics import confusion_matrix, accuracy_score
# 实际类别和预测类别
y_true = [0, 1, 0, 1, 1]
y_pred = [0, 1, 1, 1, 0]
# 计算混淆矩阵
cm = confusion_matrix(y_true, y_pred)
print("Confusion Matrix:")
print(cm)
# 计算精度
accuracy = accuracy_score(y_true, y_pred)
print("Accuracy:", accuracy)
```
输出结果为:
```
Confusion Matrix:
[[1 1]
[1 2]]
Accuracy: 0.6
```