【模型评估】混淆矩阵（confusion_matrix）之 TP、FP、TN、FN；敏感度、特异度、准确率、精确率

你这蠢货，是不是又把酸葡萄和葡萄酸弄“混淆”啦！！！这里的混淆，我们细品，帮助我们理解名词“混淆矩阵”

上面日常情况中的混淆就是：是否把某两件东西或者多件东西给弄混了，迷糊了。把**“酸葡萄”误认为了“葡萄酸”，或者是把“葡萄酸”误认为了“酸葡萄”**，此时就会可能出现2种大可能，和4种小可能。分别是：

1. 分类正确了
   • “酸葡萄”正确认为是“酸葡萄”
   • “葡萄酸”正确认为是“葡萄酸”
2. 分类错误了
   • 把“酸葡萄”误认为了“葡萄酸”
   • 把“葡萄酸”误认为了“酸葡萄”

对于任何一个分类任务，都可能会存在上述4种情况。那在机器学习中，该如何描述他们呢？那就用混淆矩阵。

一、混淆矩阵

混淆矩阵是一个误差矩阵, 常用来可视化地评估监督学习算法的性能。混淆矩阵大小为 (n_classes, n_classes) 的方阵, 其中 n_classes 表示类的数量。

其中：

• 这个矩阵的一行表示预测类中的实例（可以理解为模型预测输出，predict, PD），
• 另一列表示对该预测结果对应的标签（