混淆矩阵(Confusion Matrix)是用来评估分类器性能的工具,它显示了分类器对样本的预测结果与真实类别的对应关系。混淆矩阵是一个二维的表格,其中行表示实际的类别,列表示预测的类别。常用的矩阵如下:
预测为A | 预测为B | 预测为C | ... | |
---|---|---|---|---|
真为A | TP | FN | FP | ... |
真为B | FP | TP | FN | ... |
真为C | FP | FN | TP | ... |
... | ... | ... | ... | ... |
其中,TP表示真阳性(True Positive),即预测为正类且实际为正类的样本数;TN表示真阴性(True Negative),即预测为负类且实际为负类的样本数;FP表示假阳性(False Positive),即预测为正类但实际为负类的样本数;FN表示假阴性(False Negative),即预测为负类但实际为正类的样本数。
代码如下:
from sklearn.metrics import c