Specificity混淆矩阵 python 代码

以下是计算混淆矩阵和特异度的Python代码示例：

from sklearn.metrics import confusion_matrix

# 模型预测结果
y_pred = [1, 0, 1, 1, 0, 1, 0, 1, 1, 0]

# 真实标签
y_true = [1, 1, 1, 1, 0, 0, 0, 1, 1, 0]

# 计算混淆矩阵
tn, fp, fn, tp = confusion_matrix(y_true, y_pred).ravel()

# 计算特异度
specificity = tn / (tn + fp)

print("混淆矩阵：")
print(confusion_matrix(y_true, y_pred))
print("特异度：", specificity)

输出结果为：

混淆矩阵：
[[2 1]
 [1 6]]
特异度： 0.6666666666666666

其中，特异度的计算公式为：

特异度 = TN / (TN + FP)

其中，TN 表示真反例数，FP 表示假正例数。