混淆矩阵 Python 代码介绍

混淆矩阵（Confusion Matrix）是用于评价分类模型性能的一种工具。它可以展示模型对不同类别的数据分类的情况，帮助我们更直观地了解模型在分类任务中的表现。

Python中可以使用混淆矩阵绘图库confusion_matrix来方便地生成混淆矩阵。confusion_matrix库中提供了一个confusion_matrix函数，用于生成混淆矩阵，并可配合matplotlib库中的matshow函数进行可视化展示。

以下是一个使用confusion_matrix库生成混淆矩阵的示例代码：

from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt
import numpy as np

# 生成样本标签
y_true = np.array([0, 1, 2, 0, 1, 2, 0, 1, 2])

# 生成模型预测结果
y_pred = np.array([0, 2, 1, 0, 2, 1, 2, 0, 1])

# 计算混淆矩阵
cm = confusion_matrix(y_true, y_pred)

# 可视化展示
plt.matshow(cm, cmap=plt.cm.Blues)

# 添加标题、颜色标签
plt.colorbar()
plt.title('Confusion Matrix')
plt.ylabel('True Label')
plt.xlabel('Predicted Label')

# 展示图像
plt.show()

代码注释：

1. 导入confusion_matrix库用于生成混淆矩阵，matplotlib库用于可视化展示，numpy库用于生成样本标签和模型预测结果。

2. 生成样本标签y_true和模型预测结果y_pred，其中样本标签长度为9，类别分别为0、1、2；模型预测结果长度也为9，类别也分别为0、1、2。

3. 调用confusion_matrix函数生成混淆矩阵cm，其中y_true为样本标签，y_pred为模型预测结果。

4. 使用matshow函数将混淆矩阵可视化展示，其中cmap参数设置颜色的映射范围，这里使用了蓝色调色板Blues。

5. 添加图像标题、颜色标签。

6. 展示图像。

以上就是一个使用confusion_matrix库生成混淆矩阵的示例代码。混淆矩阵可以直观展示模型对不同类别数据的分类情况，帮助我们评价模型分类性能。