Python 利用混淆矩阵评价决策树的性能

嗨，我想用混淆矩阵来评估决策树的性能。我已经为它编写了函数，但不确定如何使用预测标签和测试标签（不确定要创建或编码哪个数据帧）。请有人看看，并建议可以在这里做什么（看看最后几行代码）

代码：

---

谢谢

以下是树和混淆矩阵的代码：

# Create the tree
tree = DecisionTreeClassifier(max_depth=6, class_weight='balanced')
tree.fit(X_train,y_train)

#create array of probabilities
y_test_predict_proba = tree1.predict_proba(X_test)

# calc confusion matrix
y_test_predict = tree.predict(X_test[columns])
print("Confusion Matrix Tree : \n", confusion_matrix(y_test, y_test_predict),"\n")
print("The precision for Tree is ",precision_score(y_test, y_test_predict)) 
print("The recall for Tree is ",recall_score(y_test, y_test_predict),"\n")  

---

您没有发布您的树代码，因此我无法在您的树上应用我的代码

我已使用SkltReelLearner作为决策树。@gtomer请再次查看代码。我试图使用你的代码，但没有成功。y_test_predict1=test_data_tab.predict（test_data_tab[：，5:]）print（“混淆矩阵树1:\n”，混淆矩阵（预测的类别标签，y_test_predict1），“\n”）print（“树1的精度是”，精度分数（预测的类别标签，y_test_predict1））print（“树1的召回是”“\n”）我刚刚在上面的代码中添加了一行***************************************************************************************这里*********************************************************************************************************************************以突出显示树代码我在您的新代码中没有找到DecisionTreeClassifier。我已经修改了我的代码以包含树。我真的无法理解如何将此代码应用到我的树中。

# Create the tree
tree = DecisionTreeClassifier(max_depth=6, class_weight='balanced')
tree.fit(X_train,y_train)

#create array of probabilities
y_test_predict_proba = tree1.predict_proba(X_test)

# calc confusion matrix
y_test_predict = tree.predict(X_test[columns])
print("Confusion Matrix Tree : \n", confusion_matrix(y_test, y_test_predict),"\n")
print("The precision for Tree is ",precision_score(y_test, y_test_predict)) 
print("The recall for Tree is ",recall_score(y_test, y_test_predict),"\n")