分析代码源自
from sklearn.metrics import confusion_matrix
如何写混淆矩阵 手动分析如下 一 将y_true y_pred写成列向量的形式 y_true y_pre 是否匹配(真实值与预测值是否匹配) 0 1 n 1 1 y 0 1 n 1 0 n 二 统计 二分类混淆矩阵列如下(1代表阳性 0 代表阴性) 预测值 真实值 0 1 0 0 (tn) 2(fp) 1 1 (fn) 1(tp) 举例 In the binary case, we can extract true positives, etc as follows: >>> tn, fp, fn, tp = confusion_matrix([0, 1, 0, 1], [1, 1, 1, 0]).ravel() >>> (tn, fp, fn, tp) (0, 2, 1, 1) Examples -------- >>> 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]]) 手动分析如下 一 将y_true y_pred写成列向量的形式 y_true y_pre 是否匹配(真实值与预测值是否匹配) 2 0 n 0 0 y 2 2 y 2 2 y 0 0 y 1 2 n 二 统计 多分类混淆矩阵列如下 预测值 真实值 0 1 2 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]]) 手动分析如下 一 将y_true y_pred写成列向量的形式 y_true y_pre 是否匹配(真实值与预测值是否匹配) cat ant n ant ant y cat cat y cat cat y ant ant y bird cat n 二 统计 多分类混淆矩阵列如下 预测值 真实值 ant bird cat ant 2 0 0 bird 0 0 1 cat 1 0 2