Scikit learn 带sklearn的混淆矩阵

我训练了一个垃圾邮件过滤模型 我用这行代码得到了混乱矩阵

tn, fp, fn, tp=  confusion_matrix(targets, predictions).ravel()

分类标签如下所示：

targets = test_set['S'].values

S值是每个电子邮件的分类标签

这就是结果

---

我在任何时候都不会指明哪一类是正的，哪一类是负的。。我如何知道哪个是哪个（垃圾邮件被认为是积极类）

我有多个模型，支持向量机，朴素贝叶斯和决策树显示你的

目标

和

预测

。它们将按字母顺序进行内部编码，并且作为编码数字获得

1

的类将为正数。在这里，您的数据包含

ham

和

spam

，然后

ham

将是0，

spam

将是1，所以是的，spam是正类。@VivekKumar确定吗？我所有的项目评估都是基于这个…你说的按字母顺序内部编码是什么意思，你能解释更多的参考吗？是的。所有能够处理字符串标签的scikit实用程序都将在内部使用，而这些工具又将用于获取所有唯一类。

numpy.unique

以排序方式返回数据。