如何解释 Python 中的混淆矩阵 for 2 类

Question

我正在 Python 中实施一个预测成功或失败的机器学习模型。我创建了一个虚拟变量，成功时为 1，失败时为 0。我了解混淆矩阵的概念，但我在网上找到了一些 TP 和 TN 位于矩阵相对两侧的信息。我想知道如何解释我的变量的结果。矩阵的左上角是否预测真阳性？如果是这样，这会转化为正确预测的成功数量或正确预测的失败数量吗？

矩阵是否与下图匹配？如果匹配，如何匹配？

理想情况下，请在上下文中描述混淆矩阵的每个角，其中成功为1，失败为0。

Answer 1

在二进制 classification 的情况下，其中 classes 是 0 和 1 并且根据 doc ：

第一行是 class 0
第二行是 class 1
第 1 列用于预测 class 0
第二列用于预测 class 1

系数 (0, 0) 是真负计数 (TN)。
系数 (0, 1) 是误报计数 (FP)。
系数 (1, 0) 是假阴性计数 (FN)。
系数 (1, 1) 是真阳性计数 (TP)。

Answer 2

参考文档：https://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html

由于您没有为 confusion_matrix 中的 labels 指定第三个参数，因此 y_test_res 中的标签将按排序顺序使用，即在这种情况下 0 然后 1。行标签代表实际 y，列标签代表预测 y。

所以左上角显示了失败观察的数量，即实际 y 是 0 并且被预测为 0，即真阴性。右下角显示真阳性，即实际 y 为 1，预测为 0.

右上角是实际 y = 0 和预测 y = 1，即误报。

使用 confusion matrix plot 会稍微美化一下。

from sklearn.metrics import plot_confusion_matrix
plot_confusion_matrix(forest, X_test, y_test)  
print(plt.show())

如何解释 Python 中的混淆矩阵 for 2 类

How to interpret the Confusion Matrix in Python for 2 classes

scikit-learn

confusion-matrix