sklearn输出混淆矩阵
时间: 2023-07-01 16:26:16 浏览: 41
你可以使用sklearn中的confusion_matrix函数来输出混淆矩阵。该函数需要两个参数,一个是真实标签,一个是预测标签。以下是一个示例代码:
```python
from sklearn.metrics import confusion_matrix
y_true = [0, 1, 0, 1, 0, 1, 0, 1]
y_pred = [0, 0, 0, 1, 1, 1, 0, 1]
cm = confusion_matrix(y_true, y_pred)
print(cm)
```
输出:
```
array([[3, 1],
[1, 3]])
```
其中,第1行1列的元素表示真实标签为0,预测标签也为0的样本数量;第1行2列的元素表示真实标签为0,预测标签为1的样本数量;第2行1列的元素表示真实标签为1,预测标签为0的样本数量;第2行2列的元素表示真实标签为1,预测标签也为1的样本数量。
相关问题
sklearn混淆矩阵
sklearn是一个用于机器学习的Python库,提供了许多用于数据预处理、模型选择和评估的工具。混淆矩阵是一种用于评估分类模型性能的工具,可以帮助我们了解模型在不同类别上的预测表现。
在sklearn中,可以使用`confusion_matrix`函数来计算混淆矩阵。它接受两个参数:实际标签和预测标签。下面是一个示例:
```python
from sklearn.metrics import confusion_matrix
y_true = [1, 0, 1, 1, 0, 0] # 实际标签
y_pred = [1, 1, 1, 0, 0, 1] # 预测标签
matrix = confusion_matrix(y_true, y_pred)
print(matrix)
```
输出结果为:
```
[[1 2]
[2 1]]
```
混淆矩阵是一个二维数组,行表示实际标签,列表示预测标签。对角线上的元素表示正确预测的样本数,非对角线上的元素表示错误预测的样本数。在上面的示例中,(0,0)位置上的元素表示正确预测为0的样本数,(0,1)位置上的元素表示错误预测为1的样本数,以此类推。
混淆矩阵可以帮助我们计算精确度、召回率和F1值等模型评估指标。
sklearn打印出混淆矩阵信息
可以使用sklearn中的confusion_matrix()函数来打印出混淆矩阵信息。
以下是一个示例:
```
from sklearn.metrics import confusion_matrix
# 假设y_true和y_pred为真实标签和预测标签
# 这里仅作示例,数据应当根据实际情况自行输入
y_true = [0, 1, 0, 1, 1, 0, 1, 0]
y_pred = [0, 1, 1, 0, 1, 0, 0, 1]
# 计算混淆矩阵
cm = confusion_matrix(y_true, y_pred)
print(cm)
```
输出结果:
```
[[2 2]
[2 2]]
```
解释:这个混淆矩阵说明了我们分类器的性能情况。在总共8个样本中,有2个正样本被正确分类,2个正样本被错误分类成负样本,2个负样本被错误分类成正样本,2个负样本被正确分类。