python 混淆矩阵

混淆矩阵是一种用来评估分类模型性能的工具，它可以展示分类模型在不同类别上的预测结果与实际标签的对应关系。你可以使用Python中的sklearn.metrics库中的confusion_matrix函数来计算混淆矩阵。下面是一个绘制混淆矩阵的示例代码：

from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt

y_pred = []  # 预测的标签
y_true = []  # 实际的标签

C = confusion_matrix(y_true, y_pred, labels=['0', '1', '2', '3', '4'])

plt.matshow(C, cmap=plt.cm.Reds)

for i in range(len(C)):
    for j in range(len(C)):
        plt.annotate(C[j, i], xy=(i, j), horizontalalignment='center', verticalalignment='center')

plt.ylabel('True label')
plt.xlabel('Predicted label')

plt.show()

在上述代码中，你需要将y_pred和y_true替换为你的实际标签和预测标签数据，labels参数是一个列表，包含了标签的所有类别。代码会生成一个矩阵，其中每个元素表示了预测为某个类别的样本在实际为该类别的样本中的数量。