python机器学习准确率计算函数

在机器学习中，我们通常使用混淆矩阵来计算模型的准确率。混淆矩阵是一个二维数组，用于比较模型的预测结果与实际结果。通常情况下，混淆矩阵的维度为2x2，其中行表示实际类别，列表示预测类别。

以下是一个计算准确率的Python函数示例，使用了混淆矩阵来计算准确率和其他性能指标：

from sklearn.metrics import confusion_matrix

def calculate_accuracy(y_true, y_pred):
    # 计算混淆矩阵
    cm = confusion_matrix(y_true, y_pred)
    # 计算准确率
    accuracy = (cm[0][0] + cm[1][1]) / sum(sum(cm))
    # 计算精确率
    precision = cm[0][0] / (cm[0][0] + cm[1][0])
    # 计算召回率
    recall = cm[0][0] / (cm[0][0] + cm[0][1])
    # 计算F1值
    f1_score = 2 * precision * recall / (precision + recall)
    return accuracy, precision, recall, f1_score

其中，`y_true`是实际标签，`y_pred`是模型预测的标签。该函数使用 `confusion_matrix` 函数计算混淆矩阵，然后根据混淆矩阵计算准确率、精确率、召回率和 F1 值。你可以根据需要修改该函数以计算其他性能指标。