python机器学习混淆矩阵及confusion matrix函数使用
更新时间：2022年06月07日 11:10:12 作者：冻鸡hhhh
这篇文章主要为大家介绍了python机器学习混淆矩阵confusion_matrix函数使用示例，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
关于混淆矩阵的概念，可参考此篇博文混淆矩阵
1.混淆矩阵
混淆矩阵是机器学习中总结分类模型预测结果的情形分析表，以矩阵形式将数据集中的记录按照真实的类别与分类模型作出的分类判断两个标准进行汇总。这个名字来源于它可以非常容易的表明多个类别是否有混淆（也就是一个class被预测成另一个class）
下图是混淆矩阵的一个例子
其中灰色部分是真实分类和预测分类结果相一致的，绿色部分是真实分类和预测分类不一致的，即分类错误的。
2.confusion_matrix函数的使用
官方文档中给出的用法是
sklearn.metrics.confusion_matrix(y_true, y_pred, labels=None, sample_weight=None)
y_true: 是样本真实分类结果，y_pred: 是样本预测分类结果
labels：是所给出的类别，通过这个可对类别进行选择
sample_weight : 样本权重
实现例子：
from sklearn.metrics import confusion_matrix y_true=[2,1,0,1,2,0] y_pred=[2,0,0,1,2,1] C=confusion_matrix(y_true, y_pred)
运行结果：
这儿没有标注类别：下图是标注类别以后，更加好理解
关于类别顺序可由 labels参数控制调整，例如 labels=[2,1,0],则类别将以这个顺序自上向下排列。
默认数字类别是从小到大排列，英文类别是按首字母顺序排列
下面是官方文档上的一个例子
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"])
运行结果
array([[2, 0, 0],
[0, 0, 1],
[1, 0, 2]])以上是关于confusion_matrix函数的用法，更多关于python混淆矩阵confusion matrix的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要介绍了Python基本数据类型及内置方法， 数据类型是用来记录事物状态的，而事物的状态是不断变化的，下文围绕主题展开相关内容需要的小伙伴可以参考一下2022-04-04
这篇文章主要介绍了Python中for循环，有需要的朋友可以参考一下2014-01-01
Python 多线程，threading模块，创建子线程的两种方式示例
这篇文章主要介绍了Python 多线程，threading模块，创建子线程的两种方式,结合实例形式分析了Python线程的原理与创建子线程的相关实现技巧,需要的朋友可以参考下2019-09-09
这篇文章主要介绍了python 一维二维插值实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-04-04
这篇文章主要介绍了python中偏函数partial用法,实例分析了偏函数partial的功能、定义及使用方法,需要的朋友可以参考下2015-07-07
这篇文章主要介绍了Python if else语句对缩进的要求,前面的一篇文章展示了选择结构的三种基本形式，并给出了实例演示，这篇文章基于上一篇内容继续对Python if else语句对缩进进行描述，需要的小伙伴可以参考一下2022-03-03
这篇文章主要介绍了在Django框架中伪造捕捉到的URLconf值的方法,Django是Python各色人气框架中最为著名的一个,需要的朋友可以参考下2015-07-07
Python Datetime模块和Calendar模块用法实例分析
这篇文章主要介绍了Python Datetime模块和Calendar模块用法,结合实例形式分析了Python日期时间及日历相关的Datetime模块和Calendar模块原理、用法及操作注意事项,需要的朋友可以参考下2019-04-04
这篇文章主要介绍了10 分钟快速入门 Python3的教程，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2019-01-01
web.py是一款轻量级的Python web开发框架，简单、高效、学习成本低，特别适合作为python web开发的入门框架2016-04-04
最新评论