一、混淆矩阵概念
混淆矩阵是在机器学习和统计学中用于评估分类模型性能的一种工具。它将分类算法的预测结果与实际类别进行比较,以便评估分类器的准确性。
在混淆矩阵中,行代表实际类别,列代表预测类别。通常,对于二分类问题,混淆矩阵是一个2x2的矩阵,包含以下四个重要的计数值:
- 真正例(True Positive,TP):模型将正类别样本正确地预测为正类别。
- 假负例(False Negative,FN):模型将正类别样本错误地预测为负类别。
- 假正例(False Positive,FP):模型将负类别样本错误地预测为正类别。
- 真负例(True Negative,TN):模型将负类别样本正确地预测为负类别。
二、代码
输入TP,TN,FP和FN,然后输出混淆矩阵的Python代码:
① 运行代码后,输入TP,TN,FP和FN(输完一个数后按回车); 部分代码: # 输入TP,TN,FP,FN TP = int(input("请输入TP:")) TN = int(input("请输入TN:")) FP = int(input("请输入FP:")) FN = int(input("请输入FN:"))
② 输出混淆矩阵图;
③ 输出准确率、精度、召回率和F1得分。