Scikit learn 如何在Python中解释两个类的混淆矩阵

我正在用Python实现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。我理解混淆矩阵的概念，但我在网上发现了一些TPs和TNs位于矩阵的相反侧的情况。我想知道如何解释变量的结果。矩阵的左上角是否预测真正？如果是这样的话，这会转化为正确预测成功的数量还是正确预测失败的数量

矩阵是否与下图匹配？如果匹配，如何匹配

---

理想情况下，请在成功为1、失败为0的情况下描述混淆矩阵的每个角。

对于类别为0和1的二元分类，请根据以下条件：

• 第一排是0班
• 第二排是一班
• 第1列是预测类0
• 第二列为预测的1类

系数（0，0）是真负计数（TN）。
系数（0，1）是假阳性计数（FP）。
系数（1，0）是假阴性计数（FN）。

---

系数（1，1）是真正计数（TP）。

参考文档：

由于您尚未在

混淆矩阵

中为

标签

指定第三个参数，因此

y\u test\u res

中的标签将按排序顺序使用，即在这种情况下

0

然后

1

。行标签表示实际y，列标签表示预测y

因此，左上角显示了故障观察的数量，即实际y值为

0

，预测值为

0

，即为真负值。右下角显示的是真正的正值，即实际y值为

1

，预测值为

0

右上角为实际y=0，预测y=1，即假阳性

使用这个工具会稍微美化一些东西

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

---

混淆矩阵的行对应于真实的类，列对应于预测的类。谢谢@Ismael EL ATIFI，所以根据您的说法，左上角是TN，右下角是TP？基本上与我发布的图片相反，对吗？是的。很准确，谢谢你的解释。不幸的是，由于我对这个世界相当陌生，scikit学习文档仍然令人困惑。有没有可能添加标签，或者画出来，或者做些什么来澄清问题？我对TP的右下部分感到困惑。我认为TP是预测正确的时候。在您的上下文中，如果实际值为1，预测值为0，那么TP对我来说没有意义。使用

plot\u composition\u matrix

函数怎么样？这可能更直观。我会更新我的答案。是的，如果你能告诉我怎么画，那就太好了。