混淆矩阵含义及python代码实现

最新推荐文章于 2026-06-12 01:24:43 发布
原创 最新推荐文章于 2026-06-12 01:24:43 发布 · 1.7w 阅读 · 100

一、分类评估指标中定义的一些符号含义

  1. TP：将正类预测为正类数，真实为0，预测也为0
  2. FN：将正类预测为负类数，真实为0，预测为1
  3. FP：将负类预测为正类数， 真实为1，预测为0
  4. TN：将负类预测为负类数，真实为1，预测也为1

 二、混淆矩阵定义及表示含义

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预测的类别判断两个标准进行汇总。其中矩阵的行表示真实值，矩阵的列表示预测值。

二分类问题：

  混淆矩阵

     预测值
正（猫） 负（狗）

真

实

值

 正（猫）      3     0
负（狗）
标签
#混淆矩阵
最低0.47元/天 解锁文章
【模型评估】Python混淆矩阵、FP、FN、TP、TN、ROC、FROC、mAP、Precision、Recall、Accuracy、F1 score详述与实现
钱多多先森
08-14 4万+
深度学习中，模型评估常用的指标、实现算法汇总。后续还会有几个章节，对其中的各个小点进行详述
python绘制混淆矩阵matrix总结以及相关函数详解
gx19990824的博客
01-03 5844
有几个标签就填几个数。如上边两图所示，很明显，如果你类别很少，数字不紧凑的情况下，其实不带边界反而会好看一点，带边界主要是为了解决某些情况，你分类的类别很多，而且你方框里面的数字小数点后保留了蛮多位的时候，它显示的就会比较密，如果不带边界，就容易把两个数看成连着的。里面的两个值，说简单点，就是对应的就是分辨率，只不过是放缩了一百倍，比如我举得这个例子，（25.6，14.4）就是设置的常用的笔记本电脑的标准2k分辨率，也就是2560*1440。第一个参数，我这里的示例用的是test_y，表示你结果的标签。
别再死记TP/FP了！用Python手把手带你画混淆矩阵，5分钟搞懂分类模型好坏
weixin_28733777的博客
05-03 352
本文通过Python实战演示如何绘制混淆矩阵（Confusion Matrix），帮助开发者直观理解分类模型的评估指标。从基础热力图到集成精确率、召回率的高级可视化，详细解析TP/FP等核心概念，并针对类别不平衡问题提供解决方案，5分钟快速掌握模型性能分析方法。
python绘制混淆矩阵
梁小憨憨的博客
11-14 9031
之前就了解过混淆矩阵，但是一直没有实践，今天刚好有数据实践一下，这里记录一下代码实现过程，方便以后查阅。
混淆矩阵代码
zhulewen的博客
08-15 3070
混淆矩阵绘制
混淆矩阵Confusion Matrix（resnet34 基于 CIFAR10）
Henry的博客
04-04 4258
查准率是预测为正样本中，真正正样本的比率 召回率是真正正样本中，预测为正样本的比率
模型评估之混淆矩阵（confusion_matrix）含义及Python代码实现
luoxuexiong的博客
05-11 3万+
本文转载于以下博客地址：https://baijiahao.baidu.com/s?id=1619821729031070174&wfr=spider&for=pc 如有冒犯，还望谅解！ 在前面的文章中我们讲到了回归模型和分类模型的评估指标，区分了准确率和精确率的区别，并且比较了精确率和召回率内在的联系。本篇文章我们再来学习另外一个评估方法，即混淆矩阵（confusion_ma...
python混淆矩阵的行和列_模型评估之混淆矩阵（confusion_matrix）含义及Python代码实现...
weixin_39552317的博客
12-09 2573
在前面的文章中我们讲到了回归模型和分类模型的评估指标，区分了准确率和精确率的区别，并且比较了精确率和召回率内在的联系。本篇文章我们再来学习另外一个评估方法，即混淆矩阵(confusion_matrix)。在讲矩阵之前，我们先复习下之前在讲分类评估指标中定义的一些符号含义，如下：TP(True Positive)：将正类预测为正类数，真实为0，预测也为0FN(False Negative)：将正类预...
python绘制二分类混淆矩阵_模型评估之混淆矩阵（confusion_matrix）含义及Python代码实现...
weixin_39602560的博客
12-04 3571
由于系统编辑器限制，加粗的无序列表代表代码行！在前面的文章中我们讲到了回归模型和分类模型的评估指标，区分了准确率和精确率的区别，并且比较了精确率和召回率内在的联系。本篇文章我们再来学习另外一个评估方法，即混淆矩阵(confusion_matrix)。在讲矩阵之前，我们先复习下之前在讲分类评估指标中定义的一些符号含义，如下：TP(True Positive)：将正类预测为正类数，真实为0，预测也为0...
利用python绘制混淆矩阵
热门推荐
LJC的博客
11-13 5万+
利用python绘制混淆矩阵，直接附代码。 from sklearn.metrics import confusion_matrix import pandas as pd import matplotlib.pyplot as plt y_pred = [] y_true = [] # 对上面进行赋值 C=confusion_matrix(y_true, y_pred, labels=['0','1','2','3','4']) plt.matshow(C, cmap=plt.cm.Reds) #
confusion_matrix 模型评估之混淆矩阵
genous110的博客
05-26 1900
本篇文章我们再来学习另外一个评估方法，即混淆矩阵（confusion_matrix）。 在讲矩阵之前，我们先复习下之前在讲分类评估指标中定义的一些符号含义，如下： TP(True Positive)：将正类预测为正类数，真实为0，预测也为0 FN(False Negative)：将正类预测为负类数，真实为0，预测为1 FP(False Positive)：将负类预测为正类数， 真实为1，预测为0 ...
二元分类模型评估方法
weixin_50304531的博客
11-17 1984
根据分类模型和回归模型的不同，相应的评价标准也不尽相同，例如在分类模型中，就有以下 8 种不同的评价标准。
机器学习分类任务中5大核心评价指标详解（附Python代码实现）
dapp9builder的博客
03-02 578
本文深入解析机器学习分类任务中的五大核心评价指标：准确率(ACC)、灵敏度(SN)、特异度(SP)、F1分数和马修斯相关系数(MCC)。通过混淆矩阵基础，结合Python代码实战，详细阐述了各指标的计算方法、适用场景及在数据不平衡时的选择策略，帮助读者建立全面的模型评估体系，超越单一准确率的局限。
机器学习分类指标完全手册：从混淆矩阵到 F1 / ROC / PR（9000字深度解析·附 16 段 Python 代码）
最新发布
热爱技术与前沿创新，深耕科技领域，在科创中精进自我；探索技术乐趣，分享技术干货与成长心得，以技术为伴，热爱生活，在科创与生活中双向成长。
06-12 364
9000字深度解析机器学习 7 大分类指标：Accuracy、Precision、Recall、F1、ROC-AUC、PR-AUC、LogLoss。涵盖混淆矩阵、多分类 Macro/Micro/Weighted 体系、类别不平衡 5 大方案、阈值调优技巧。配 6 张原创可视化图 + 10 张对比表 + 16 段 sklearn/matplotlib 可运行代码，解决「99% Accuracy 模型毫无用处」的指标骗局问题。
客户流失预警模型实战：Python实现ROC与KS曲线评估
weixin_29081703的博客
02-15 339
本文通过Python实战案例，深入解析了客户流失预警模型的评估方法。针对样本不均衡场景，详细介绍了如何利用ROC曲线和KS曲线，超越单一准确率指标，全面评估模型的排序能力与区分度，并找到最佳业务决策阈值，避免模型误用。
【机器学习笔记】：一文让你彻底理解准确率，精准率，召回率，真正率，假正率，ROC/AUC
weixin_41524411的博客
05-28 2069
ROC/AUC作为机器学习的评估指标非常重要，也是面试中经常出现的问题（80%都会问到）。其实，理解它并不是非常难，但是好多朋友都遇到了一个相同的问题，那就是：每次看书的时候都很明白，但回过头就忘了，经常容易将概念弄混。还有的朋友面试之前背下来了，但是一紧张大脑一片空白全忘了，导致回答的很差。 我在之前的面试过程中也遇到过类似的问题，我的面试经验是：一般笔试题遇到选择题基本都会考这个率，那个率，...
图像分割评估指标全解析：从IOU到F1-score的代码实现与可视化对比
lemon的博客
02-27 677
本文全面解析图像分割的核心评估指标，包括IOU、Dice系数、Accuracy、Precision和Recall。通过混淆矩阵剖析其计算逻辑，提供可直接运行的Python代码实现，并利用可视化对比展示预测偏移时各指标的敏感度变化。文章特别强调了在类别不平衡场景下指标的选择策略，并给出了综合评估函数与实战选择决策树，帮助读者精准评估模型性能。
数据可视化之分类混淆矩阵——基本原理与基于python matplotlib/sklearn库的混淆矩阵代码实现
ZhangYuq16的博客
07-31 2万+
目录混淆矩阵简介基于python matplotlib/sklearn库的混淆矩阵代码实现效果示例代码实现参数讲解 如果不想看前面的介绍可以直接点击目录转到“代码实现”与“参数讲解”部分 混淆矩阵简介 混淆矩阵（confusion matrix）是一种常用的分类模型评估指标，经可视化的混淆矩阵可以帮助我们直观地了解到模型对各类样本地分类情况。 对于一个分类模型来说，每一个样本均有两种属性，真实标签...
机器学习知识点——分类指标
热爱技术与前沿创新，深耕科技领域，在科创中精进自我；探索技术乐趣，分享技术干货与成长心得，以技术为伴，热爱生活，在科创与生活中双向成长。
06-09 264
用户希望深入理解“分类指标”背后的知识体系，要求内容通俗易懂、生动形象且包含多案例。
混淆矩阵的生成
博客首页
03-09 1万+
混淆矩阵（Confusion Matrix）是一个二维表格，常用于评价分类模型的性能。在混淆矩阵中，每一列代表了预测值，每一行代表了真实值。因此，混淆矩阵中的每一个元素表示了一个样本被预测为某一类别的次数。预测值=正例预测值=反例真实值=正例TPFN真实值=反例FPTN其中，TP表示真正例（True Positive），FN表示假反例（False Negative），FP表示假正例（False Positive），TN表示真反例（True Negative）。
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值