python中的混淆矩阵怎么看?
编辑:自学文库
时间:2024年03月09日
混淆矩阵是用来评估分类模型性能的工具,它以真实标签和预测标签为基础构建矩阵。
要生成混淆矩阵,首先需要将真实标签和预测标签作为参数传递给confusion_matrix()函数。
例如:```pythonimport numpy as npfrom sklearn.metrics import confusion_matrixy_true = np.array([1, 0, 0, 1, 1, 1])y_pred = np.array([1, 0, 1, 1, 0, 1])cm = confusion_matrix(y_true, y_pred)print(cm)```上述代码中,y_true和y_pred分别是真实标签和预测标签的数组。
confusion_matrix()函数将这两个参数作为输入,并返回一个二维数组,即混淆矩阵。
该矩阵的行表示真实标签,列表示预测标签。
矩阵的每个元素表示在真实标签为行对应值且预测标签为列对应值的样本数。
输出结果为:```[[2 1] [1 2]]```上述混淆矩阵表示有2个真实标签为0且预测标签也为0的样本,1个真实标签为0但预测标签为1的样本,1个真实标签为1但预测标签为0的样本,以及2个真实标签为1且预测标签也为1的样本。
混淆矩阵能够提供关于分类模型在各个类别上的预测准确性的详细信息,帮助我们评估模型性能和进行相应的调整。