混淆矩阵是评估分类模型性能的工具，通过sklearn的confusion_matrix()函数比较真实与预测标签。对于二分类，它输出包含TP、FP、TN、FN的2x2矩阵；多分类则生成NxN矩阵，行表示真实类别，列表示预测类别，直观展示模型分类效果。
在Python中，confusion_matrix() 是一个用于评估分类模型性能的函数，来自 scikit-learn 库（即 sklearn）。它通过比较真实标签和预测标签，生成一个矩阵，帮助我们直观地看出模型的分类效果。
混淆矩阵（Confusion Matrix）是一个表格，用来描述分类模型在测试数据上的表现。对于二分类问题，它包含四个关键结果：
你可以通过以下方式调用这个函数：
from sklearn.metrics import confusion_matrixy_true = [1, 0, 1, 1, 0, 1] # 真实标签 y_pred = [1, 0, 0, 1, 0, 1] # 模型预测标签
cm = confusion_matrix(y_true, y_pred) print(cm)
输出结果是一个二维数组：
立即学习“Python免费学习笔记（深入）”；
[[2 0] [1 3]]其中：
confusion_matrix() 同样适用于多分类任务。例如有三个类别（0, 1, 2），输出将是一个 3x3 的矩阵，每一行代表真实类别，每一列代表预测类别。
基本上就这些。这个函数不复杂但非常实用，是分析分类模型错误类型的基础工具。
以上就是python confusion_matrix()是什么的详细内容，更多请关注php中文网其它相关文章！
python怎么学习？python怎么入门？python在哪学？python怎么学才快？不用担心，这里为大家提供了python速学教程(入门到精通)，有需要的小伙伴保存下载就能学习啦！
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号
560
收藏
