用python将混淆矩阵可视化，并计算分类结果的精度评价指标

要将混淆矩阵可视化，可以使用Python中的matplotlib库。以下是一个简单的示例代码：

import matplotlib.pyplot as plt
import numpy as np

def plot_confusion_matrix(cm, classes, normalize=False, title='Confusion matrix', cmap=plt.cm.Blues):
    """
    This function prints and plots the confusion matrix.
    Normalization can be applied by setting `normalize=True`.
    """
    if normalize:
        cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]

    plt.imshow(cm, interpolation='nearest', cmap=cmap)
    plt.title(title)
    plt.colorbar()
    tick_marks = np.arange(len(classes))
    plt.xticks(tick_marks, classes, rotation=45)
    plt.yticks(tick_marks, classes)

    fmt = '.2f' if normalize else 'd'
    thresh = cm.max() / 2.
    for i, j in np.ndindex(cm.shape):
        plt.text(j, i, format(cm[i, j], fmt),
                 ha="center", va="center",
                 color="white" if cm[i, j] > thresh else "black")

    plt.tight_layout()
    plt.ylabel('True label')
    plt.xlabel('Predicted label')

# example usage
from sklearn.metrics import confusion_matrix, accuracy_score

y_true = [1, 0, 1, 1, 0, 1]
y_pred = [1, 0, 0, 1, 0, 1]
cm = confusion_matrix(y_true, y_pred)
accuracy = accuracy_score(y_true, y_pred)

plot_confusion_matrix(cm, classes=['0', '1'], normalize=False, title='Confusion matrix')
plt.show()

print('Accuracy:', accuracy)

在这个例子中，我们使用了scikit-learn库的混淆矩阵和精度评价指标。首先，我们计算出混淆矩阵，然后使用我们的`plot_confusion_matrix`函数将其可视化。最后，我们打印出精度评价指标。

注意，在上面的代码中，我们使用了一个名为`classes`的参数，它是一个列表，包含了每个类别的名称。如果你的类别名称不是字符串，可以使用相应类型的列表。