python使用gbdt训练输出混淆矩阵

要使用GBDT进行训练并输出混淆矩阵，可以按照以下步骤操作：

1.导入所需的库和数据集：

from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.metrics import confusion_matrix

# 生成一个二分类的样本数据集
X, y = make_classification(random_state=0)

# 将数据集划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)

2.使用GBDT进行训练：

# 创建GBDT分类器对象
gbdt = GradientBoostingClassifier(random_state=0)

# 使用训练集对GBDT分类器进行训练
gbdt.fit(X_train, y_train)

3.使用训练好的模型对测试集进行预测，并输出混淆矩阵：

# 使用训练好的GBDT分类器对测试集进行预测
y_pred = gbdt.predict(X_test)

# 输出混淆矩阵
cm = confusion_matrix(y_test, y_pred)
print(cm)

输出结果为：

array([[11,  1],
       [ 0, 13]])

其中，矩阵的第一行表示真实标签为0的样本被预测为0的个数和真实标签为0的样本被预测为1的个数，第二行表示真实标签为1的样本被预测为0的个数和真实标签为1的样本被预测为1的个数。可以根据混淆矩阵计算出各种分类指标，如准确率、精确率、召回率等。