from:http://blog.csdn.net/m0_38061927/article/details/77198990
官方文件中給出的用法是
sklearn.metrics.confusion_matrix(y_true, y_pred, labels=None, sample_weight=None)
y_true: 是樣本真實分類結果,y_pred: 是樣本預測分類結果
labels:是所給出的類別,通過這個可對類別進行選擇
sample_weight : 樣本權重
實現例子:
from sklearn.metrics import confusion_matrix
y_true=[2,1,0,1,2,0]
y_pred=[2,0,0,1,2,1]
C=confusion_matrix(y_true, y_pred)
執行結果:
這兒沒有標註類別:下圖是標註類別以後,更加好理解
關於類別順序可由 labels引數控制調整,例如 labels=[2,1,0],則類別將以這個順序自上向下排列。預設數字類別是從小到大排列,英文類別是按首字母順序排列
下面是官方文件上的一個例子
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"])
執行結果
array([[2, 0, 0],
[0, 0, 1],
[1, 0, 2]])