测试模型精度和混淆矩阵代码
时间: 2024-02-22 13:55:49 浏览: 17
以下是一个在Python中计算模型精度和混淆矩阵的示例代码:
```python
from sklearn.metrics import confusion_matrix, accuracy_score
# 假设已经有了模型的预测结果和真实结果
y_true = [0, 1, 0, 1, 1, 0, 1, 0]
y_pred = [0, 1, 0, 1, 0, 1, 1, 0]
# 计算混淆矩阵
cm = confusion_matrix(y_true, y_pred)
print("Confusion Matrix:")
print(cm)
# 计算模型精度
acc = accuracy_score(y_true, y_pred)
print("Accuracy:", acc)
```
输出结果应该类似于:
```
Confusion Matrix:
[[3 1]
[1 3]]
Accuracy: 0.75
```
其中,混淆矩阵的形式如下:
```
预测0 预测1
真实0 TN FP
真实1 FN TP
```
其中,TN表示真实为0、预测为0的样本数量,FP表示真实为0、预测为1的样本数量,FN表示真实为1、预测为0的样本数量,TP表示真实为1、预测为1的样本数量。
模型精度表示模型预测正确的样本数占总样本数的比例,即:
$$Accuracy = \frac{TP + TN}{TP + TN + FP + FN}$$
注意,在使用混淆矩阵和模型精度来评估模型性能时,需要注意样本的分布情况,以及是否存在类别不平衡等问题。