confusion_matrix函数的使用

from: https://blog.csdn.net/m0_38061927/article/details/77198990

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：

1 from sklearn.metrics import confusion_matrix
2 
3 y_true=[2,1,0,1,2,0]
4 y_pred=[2,0,0,1,2,1]
5 
6 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：

1 y_true = ["cat", "ant", "cat", "cat", "ant", "bird"]
2 y_pred = ["ant", "ant", "cat", "cat", "ant", "cat"]
3 confusion_matrix(y_true, y_pred, labels=["ant", "bird", "cat"])

运行结果：

array([[2, 0, 0],
       [0, 0, 1],
       [1, 0, 2]])