混淆矩阵的示例

混淆矩阵是机器学习中用于评价分类模型性能的重要指标，它可以直观地展示出模型的分类效果，有助于我们对模型的优化和改进。下面是一个混淆矩阵的示例：

| | 预测为正例 | 预测为负例 | | ------------ | ----------- | ----------- | | 实际为正例 | 85 | 15 | | 实际为负例 | 20 | 80 |

上表中每一行表示实际样本的类别，每一列表示模型预测的类别。以第一行为例，实际为正例的样本有100个，模型将其中的85个样本预测为正例，15个样本预测为负例。

代码实现

使用Python的Scikit-Learn库可以很方便地生成混淆矩阵，下面是一个示例代码：

from sklearn.metrics import confusion_matrix
import numpy as np

y_true = np.array([1, 1, 1, 0, 0, 0])  # 实际样本的类别，1表示正例，0表示负例
y_pred = np.array([1, 1, 0, 0, 0, 0])  # 模型预测的类别

cm = confusion_matrix(y_true, y_pred)  # 生成混淆矩阵
print(cm)

输出结果为：

[[2 1]
 [1 2]]

这表示实际为正例的样本有3个，模型将其中的2个样本预测为正例，1个样本预测为负例；实际为负例的样本有3个，模型将其中的1个样本预测为正例，2个样本预测为负例。