今天我们将讨论混淆矩阵

1.什么是混淆矩阵

2. 为什么我们使用混淆矩阵

3. 混淆矩阵的工作原理

什么是混淆矩阵

混淆矩阵是一种性能测量技术。

为什么我们使用混淆矩阵

混淆矩阵是一种用于根据提供给模型的数据集来衡量分类模型的准确性/性能的技术

混淆矩阵的工作原理

混淆矩阵通过比较实际类和预测类来可视化分类器的准确性。二元混淆矩阵由正方形组成

[](https://res.cloudinary.com/practicaldev/image/fetch/s--_Ohh6PlS--/c_limit%2Cf_auto%2Cfl_progressive%2Cq_auto%2Cw_880/https://dev- to-uploads.s3.amazonaws.com/uploads/articles/65jg7mmjrc4j11up0bin.png)

代码

#Example of a confusion matrix in Python
from sklearn.metrics import confusion_matrix

expected =  [1, 1, 0, 1, 0, 0, 1, 0, 0, 0]
predicted = [1, 0, 0, 1, 0, 0, 1, 1, 1, 0]
results = confusion_matrix(expected, predicted)
print(results)

进入全屏模式 退出全屏模式

代码说明

from sklearn.metrics import confusion_matrix

进入全屏模式 退出全屏模式

此行用于导入 Sklearn 包

在 sklearn 中有不同的功能,我们只想要矩阵功能,所以导入矩阵,在矩阵类中,我们想使用混淆矩阵,所以我们只从整个 sklearn 包中导入该特定部分

expected =  [1, 1, 0, 1, 0, 0, 1, 0, 0, 0]

进入全屏模式 退出全屏模式

在这一行中,我们声明了一个包含所有预期值的数组(我们所期望的)

predicted = [1, 0, 0, 1, 0, 0, 1, 1, 1, 0]

进入全屏模式 退出全屏模式

在这一行中,我们声明了一个包含模型预测的所有预测值的数组

results = confusion_matrix(expected, predicted)

进入全屏模式 退出全屏模式

这里我们只是使用了一个在 sklearn 包中预定义的混淆矩阵函数

print(results)

进入全屏模式 退出全屏模式

它只是一个用于打印结果的简单打印语句