from:http://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:

from sklearn.metrics import confusion_matrixy_true=[2,1,0,1,2,0]
y_pred=[2,0,0,1,2,1]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

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

运行结果

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

转载于:https://www.cnblogs.com/bonelee/p/8610205.html

confusion_matrix函数的使用相关推荐

  1. [Python+sklearn] 计算混淆矩阵 confusion_matrix()函数

    python sklearn 计算混淆矩阵 confusion_matrix()函数 参考sklearn官方文档:sklearn.metrics.confusion_matrix. 功能: 计算混淆矩 ...

  2. 混淆矩阵及confusion_matrix函数的使用

    关于混淆矩阵的概念,可参考此篇博文混淆矩阵 1.混淆矩阵 混淆矩阵是机器学习中总结分类模型预测结果的情形分析表,以矩阵形式将数据集中的记录按照真实的类别与分类模型作出的分类判断两个标准进行汇总.这个名 ...

  3. confusion_matrix函数

    用法: sklearn.metrics.confusion_matrix(y_true, y_pred, labels=None, sample_weight=None) y_true: 是样本真实分 ...

  4. ML之sklearn:sklearn.metrics中常用的函数参数(比如confusion_matrix等 )解释及其用法说明之详细攻略

    ML之sklearn:sklearn.metrics中常用的函数参数(比如confusion_matrix等 )解释及其用法说明之详细攻略 目录 sklearn.metrics中常用的函数参数 con ...

  5. logistic回归 如何_第七章:利用Python实现Logistic回归分类模型

    免责声明:本文是通过网络收集并结合自身学习等途径合法获取,仅作为学习交流使用,其版权归出版社或者原创作者所有,并不对涉及的版权问题负责.若原创作者或者出版社认为侵权,请联系及时联系,我将立即删除文章, ...

  6. 用Scikit-learn和TensorFlow进行机器学习(三)

    文章目录 分类 一.MNIST 二.获取数据 1.从网络获取 2.本地读取 三.训练一个二分类器 四.性能评估 1.交叉验证--精度 (1)轮子版 `cross_val_score()` (2)函数版 ...

  7. python多分类混淆矩阵代码_深度学习自学记录(3)——两种多分类混淆矩阵的Python实现(含代码)...

    深度学习自学记录(3)--两种多分类混淆矩阵的Python实现(含代码),矩阵,样本,模型,类别,真实 深度学习自学记录(3)--两种多分类混淆矩阵的Python实现(含代码) 深度学习自学记录(3) ...

  8. hands-on Machine Learning with sklearn

    一.机器学习概览 三.分类 1.二分类器 2.多分类器 3.误差分析 四.训练模型 1.线性回归和逻辑回归 2.逻辑回归 3.softmax回归 练习题4 五.SVM 练习题5 六.决策树 练习题6 ...

  9. 模型评估——定量分析预测的质量

    https://blog.csdn.net/hustqb/article/details/77922031 评分参数定义模型评价规则 公共案例预定义值 根据度量函数定义你的评分策略 应用你自己的评分对 ...

最新文章

  1. J2ME手机文件加密
  2. php 7.1安装教程
  3. 使用Struts 2框架实现文件下载
  4. VC使用HTTP协议下载文件
  5. Linux文件默认权限和umask笔记
  6. JBOSS内存溢出处理
  7. 运行Qt程序的一些注意事项
  8. K8S - 为 Docker 而生
  9. 腾讯会议中用PPT放视频,视频没有声音
  10. 纯Vue实现网页日常任务清单小功能(数据存储在浏览器)
  11. 外星人m15键盘灯光设置_机·教学贴:ALIENWARE m15的音效设置还能怎样玩?
  12. React中useEffect与生命周期钩子函数的对应关系
  13. als算法参数_ALS算法 (面试准备)
  14. 技术美术自学——PBR材质通道基础 常见贴图种类列举(求dalao轻喷)
  15. 三菱fx2n64mr说明书_FX2N-64MR-001手册三菱FX2N-64MR-001使用说明书 - 广州凌控
  16. 电工电子电力拖动及自动化技术考核实训台QY-DG800D
  17. 但总觉得明白了一点点什么
  18. 小白算法练习 lanqiao SPFA+vector 模板
  19. mysql查询专业术语,英文术语MySQL查询
  20. 陈老师撕B志玲姐姐的热门微博数据分析

热门文章

  1. Selenium Webdriver原理终于搞清楚了
  2. 如何给docker容器分配内存和cpu
  3. 小结 frambuffer 原理及流程 (五)
  4. android o miui特性,终于来了,小米开启 Android O 内测
  5. 怎么获取html页面追加,添加df.to_html格式()到现有的HTML页面
  6. mysql proxies_priv_Mysql5.7.18利用MySQLproxies_priv实现类似用户组管理实例分享
  7. 服务器清理c盘日志文件,清理WIN2003服务器C盘垃圾的批处理
  8. vue中的倒计时跳转页面问题和axios网络请求this作用域问题
  9. 【深度学习】梯度和方向导数概念解析(代码基于Pytorch实现)
  10. 【深度学习】CNN在大规模图像数据集上的应用(基于keras和MNIST)