GEE机器学习——混淆矩阵Classifier.confusionMatrix()和errorMatrix()和exlain()的用法（js和python代码）

混淆矩阵

根据训练数据计算分类器的 2D 混淆矩阵（即：重新代入误差）。矩阵的轴 0 对应于输入类，轴 1 对应于输出类。行和列从类 0 开始，并按顺序增加直至最大类值，因此如果输入类不是基于 0 或顺序的，某些行或列可能为空。

混淆矩阵是一种用于衡量分类模型性能的工具。它以表格形式展示了模型在不同类别上的预测结果与真实标签之间的对应关系。混淆矩阵的行表示真实标签，列表示预测结果。通过对角线上的元素，我们可以看到模型在每个类别上的正确预测数量，而其他非对角线上的元素则表示模型的误判情况。混淆矩阵可以帮助我们分析模型在不同类别上的性能表现，进而评估其分类准确度、召回率、精确率等指标。

混淆矩阵是用于评估分类模型的指标，它将实际类别和预测类别的结果汇总到一个矩阵中，用于衡量分类模型的准确性和误差。混淆矩阵主要包括四种可能的情况，即真正类(True Positive, TP)、假正类(False Positive, FP)、真负类(True Negative, TN)、假负类(False Negative, FN)。其中：

• TP：真正类，表示实际为正样本，模型预测也为正样本的数量。
• FP：假正类，表示实际为负样本，模型预测为正样本的数量。
• TN：真负类，表示实际为负样本，模型预测也为负样本的数量。
• FN：假负类，表示实际为正样本，模型预测为负样本的数量。

混淆矩阵的示例：

-	预测为正类	预测为负类
实际为正类	TP（真正类）	FN（假负类）
实际为负类	FP（假正类）	TN（真负类）

 函数

ee.ConfusionMatrix(array, order)

Creates a confusion matrix. Axis 0 (the rows) of the matrix correspond to the actual values, and Axis 1 (the columns) to the predicted values.

Arguments:

array (Object):

A square, 2D array of integers, representing the confusion matrix.

order (List, default: null):

The row and column size and order, for non-contiguous or non-zero based matrices.

Returns: ConfusionMatrix

errorMatrix(actual, predicted, order)

Computes a 2D error matrix for a collection by comparing two columns of a collection: one containing the actual values, and one containing predicted values.The values are expected to be small contiguous integers, starting from 0. Axis 0 (the rows) of the matrix correspond to the actual values, and Axis 1 (the columns) to the predicted values.

Arguments:

this:collection (Featur