[Python+sklearn] 计算混淆矩阵 confusion_matrix()函数

python sklearn 计算混淆矩阵 confusion_matrix()函数

参考sklearn官方文档：sklearn.metrics.confusion_matrix。

功能：

计算混淆矩阵，以评估分类的准确性。

（关于混淆矩阵的含义，见：混淆矩阵(Confusion Matrix)。）

语法：

from sklearn.metrics import confusion_matrix

输入和输出：

输入：

• y_true：array类型, 维度shape = [n_samples] 。

  正确的真值（Ground truth (correct) target values）。

• y_pred：array类型, 维度shape = [n_samples]

  分类器返回的估计目标（Estimated targets as returned by a classifier）。

• labels：array类型, 维度shape = [n_classes], 为可选输入（optional ）。

  索引矩阵的标签列表。这可用于重新排序或选择标签的子集。如果没有给出，那些至少出现一次y_true或y_pred按排序顺序使用的那些。 （List of labels to index the matrix. This may be used to reorder or select a subset of labels. If none is given, those that appear at least once in y_true or y_pred are used in sorted order）。

• sample_weight ：array-like of shape = [n_samples], optional

  Sample weights.

输出：

• confusion_matrix：array类型, 维度为n_classes × n_classes（shape = [n_classes, n_classes] ）

示例：

>>> from sklearn.metrics import confusion_matrix
>>> y_true = [2, 0, 2, 2, 0, 1]
>>> y_pred = [0, 0, 2, 2, 0, 2]
>>> confusion_matrix(y_true, y_pred)
array([[2, 0, 0],
       [0, 0, 1],
       [1, 0, 2]])

confusion_matrix如下：

labels	0	1	1
0	2	0	0
1	0	0	1
2	1	0	2

>>> y_true = ["cat", "ant", "cat", "cat", "ant", "bird"]
>>> y_pred = ["ant", "ant", "cat", "cat", "ant", "cat"]
>>> confusion_matrix(y_true, y_pred, labels=["ant", "bird", "cat"])
array([[2, 0, 0],
       [0, 0, 1],
       [1, 0, 2]])

confusion_matrix如下：

labels	ant	bird	cat
ant	2	0	0
bird	0	0	1
cat	1	0	2