python中如何加混淆矩阵

在Python中，可以使用`sklearn.metrics`模块中的`confusion_matrix`函数来创建混淆矩阵。混淆矩阵用于评估分类模型的性能，特别是在多类分类问题中。

以下是一个示例代码：

from sklearn.metrics import confusion_matrix

# 实际的类别标签
actual_labels = [1, 0, 2, 1, 0, 2, 2, 1, 0]

# 预测的类别标签
predicted_labels = [1, 1, 2, 1, 0, 1, 2, 0, 0]

# 创建混淆矩阵
cm = confusion_matrix(actual_labels, predicted_labels)

print(cm)

输出结果将是一个3x3的矩阵，其中行表示实际类别，列表示预测类别。矩阵中的每个元素表示预测为某一类别的样本在实际类别中的个数。

请注意，该示例中使用了整数作为类别标签，但实际上可以使用任何类型的标签。

相关问题

python中实现混淆矩阵

混矩阵是用来评估分类模型性能的一种方法。在Python中，可以使用NumPy库来实现混淆矩阵。下面是一个实现混淆矩阵的示例代码：

import numpy as np

# 确定输出和标签
y_true = ["A"]*20 + ["B"]*20 + ["C"]*20 + ["D"]*20 + ["E"]*20
y_pred = ["D"]*5 + ["A"]*30 + ["B"]*15 + ["C"]*25 + ["D"]*20 + ["E"]*5

# 初始化混淆矩阵
classes_num = 5
confusion_matrix = np.zeros((classes_num, classes_num))

# 对混淆矩阵进行赋值
for true_label, pred_label in zip(y_true, y_pred):
    confusion_matrix[true_label, pred_label] += 1

print(confusion_matrix)

python中画混淆矩阵

在Python中，可以使用matplotlib和sklearn库来绘制混淆矩阵。其中，sklearn.metrics.ConfusionMatrixDisplay类可以方便地绘制混淆矩阵。下面是一个示例代码：

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

y_true = [2, 0, 2, 2, 0, 1]
y_pred = [0, 0, 2, 2, 0, 2]

cm = confusion_matrix(y_true, y_pred)
disp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=["ant", "bird", "cat"])
disp.plot(cmap=plt.cm.Blues)
plt.title("Confusion Matrix")
plt.show()

其中，y_true和y_pred分别表示真实标签和预测标签，cm表示混淆矩阵，disp表示ConfusionMatrixDisplay对象，display_labels表示标签名称，cmap表示颜色映射。