混淆矩阵 | 易学教程

简单的说就是混淆矩阵有四个部分，这四个部分由预测结果和实际标签两个部分交叉出来的结果。

首先说按照老外的思维：对于结果有两个态度，一个是积极的（positive），一个是消极的（negative）。

所以预测为1的时候，被称为positive，被预测为消极的时候，被称为negative。

当实际值为1，但预测为消极的时候，这时的结论就是假消极，（False negative）。当实际值为0，预测值也为0的时候，这时的结论就是真消极（True nagative）。

当实际值为0，但预测为积极的时候，这时的结论就是假积极，（False positive）。当实际值为1，预测值也为1的时候，这时的结论就是真积极（True positive）

from sklearn.metrics import confusion_matrix


y_true = [0,1,0,1,1,1,0,1,0,0]
y_pred = [0,0,0,1,1,0,0,1,0,1]

confusion_matrix(y_true, y_pred)

return:

array([[4, 1],
       [2, 3]], dtype=int64)

cm = confusion_matrix(y_true=y_test, y_pred = log_reg.predict(Xtest))

准确度 accuracy = (TP + TN)/(TP+TN+FP+FN)

错误率 error rate = (FP + FN)/(TP+TN+FP+FN)

查准率 precision = (TP)/(TP+FP) （猜对1）

敏感度 sensitivity = recall = TP/(TP+FN) （找到）

特异度 specificity = TN/(TN+FP)

来源：oschina

链接：https://my.oschina.net/u/3280685/blog/3189128

标签