confusion matrix 混淆矩阵绘制

本文介绍了混淆矩阵的基本原理,横轴为预测标签,纵轴为真实标签,对角线表示预测正确的情况。重点讲解了在sklearn中使用`confusion_matrix`函数的细节,强调输入应为类别序号而非one-hot编码。并提到如何结合准确率展示混淆矩阵,提供了相关参考资源。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

原理

横轴一般是predict label,纵轴是ground truth label,对角线是预测正确的概率或个数

绘制

sklearn 中confusion_matrix函数的使用:
sklearn.metrics.confusion_matrix(y_true, y_pred, labels=None, sample_weight=None)
输入就是类别序号,不能是onehotlabel,如果是onehot label 用y_pred = np.argmax(y_pred,axis= -1)+1 转换
y_true : array, shape = [n_samples] Ground truth (correct) target values.
y_pred : array, shape = [n_samples] Estimated targets as returned by a classifier.

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)  

这里写图片描述

纵轴是y_true, 横轴是y_pred

一 、带有acc的confusion matrix
#label参数`
label
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值