python混淆矩阵

混淆矩阵（Confusion Matrix）是用于评估分类模型性能的常见工具。它展示了模型在不同类别上的预测结果与真实标签之间的对应关系。混淆矩阵是一个二维数组，其中行代表真实标签，列代表预测结果。

在二分类问题中，混淆矩阵通常是一个2x2的矩阵，具有以下四个单元格：

- True Positive（真正例，TP）：预测为正类且实际为正类的样本数。
- False Positive（假正例，FP）：预测为正类但实际为负类的样本数。
- False Negative（假反例，FN）：预测为负类但实际为正类的样本数。
- True Negative（真反例，TN）：预测为负类且实际为负类的样本数。

混淆矩阵可以用于计算多个分类指标，如准确率（Accuracy）、精确率（Precision）、召回率（Recall）和 F1 值等。这些指标可以帮助我们更全面地评估模型的性能和分类结果。