混淆矩阵的transforms

混淆矩阵的transforms是指将模型对测试集的预测结果与真实标签进行比对，并统计每个类别被正确预测的数量以及被错误预测的数量，最终将这些数据组织成矩阵的形式[^1]。

以下是一个示例代码，演示了如何使用Python绘制混淆矩阵：

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# 定义真实标签和预测结果
true_labels = [0, 1, 0, 1, 1, 0, 0, 1, 1, 0]
predicted_labels = [0, 1, 0, 0, 1, 1, 0, 1, 0, 1]

# 计算混淆矩阵
confusion_matrix = np.zeros((2, 2))
for true_label, predicted_label in zip(true_labels, predicted_labels):
    confusion_matrix[true_label][predicted_label] += 1

# 绘制混淆矩阵
sns.heatmap(confusion_matrix, annot=True, fmt='g', cmap='Blues')
plt.xlabel('Predicted Labels')
plt.ylabel('True Labels')
plt.title('Confusion Matrix')
plt.show()

在这个示例中，我们定义了真实标签和预测结果的列表。然后，我们创建一个2x2的零矩阵作为混淆矩阵，并遍历真实标签和预测结果，将对应位置的计数加1。最后，我们使用seaborn库的heatmap函数绘制混淆矩阵，并添加标签和标题。