【介绍】一篇入门-混淆矩阵是什么

混淆矩阵(Confusion Matrix)是用来评估分类模型效果的一个矩阵，特别是多分类模型，一般的指标难以评估模型效果时，就可以从混淆矩阵中可以快速看到模型对各个类别的判别情况，下面我们就来说说混淆矩阵的用途、怎么看混淆矩阵，以及如何画混淆矩阵的热力图。

一、什么是混淆矩阵

混淆矩阵(Confusion Matrix，CM)是一个用来查看分类模型预测效果的矩阵，直接看图就明白了：

如图，混淆矩阵CM是一个"类别个数""类别个数"的矩阵，其中， 代表第 类样本被判为类的个数与占比，易知，混淆矩阵CM的对角线就是判断准确的个数。

从混淆矩阵可以很清晰看到各类别的判别情况，因为多分类模型一般可以通过混淆矩阵来查看模型效果。

二、混淆矩阵CM的计算与代码

在python中可以用sklearn的confusion_matrix来计算混淆矩阵，再用heatmap画出热力图，具体示例代码如下

'''
本代码用于展示如何用sklearn来画混淆矩阵
本代码来自《老饼讲解-机器学习》www.bbblearn.com
'''
import matplotlib.pyplot as plt
from sklearn.metrics import confusion_matrix
import seaborn as sns
 
# 真实标签和预测标签
y_true = [0,1,2,2,0,0,1,2,1,0]                # 样本的真实标签
y_pred = [0,0,2,2,1,1,0,2,1,0]                # 样本的预测标签
cm = confusion_matrix(y_true, y_pred)         # 生成混淆矩阵 
 
sns.heatmap(cm, annot=True, fmt='d')         # 使用Seaborn的heatmap来画混淆矩阵
plt.title('Confusion Matrix')
plt.xlabel('Predicted labels')
plt.ylabel('True labels')
plt.show()

运行结果如下：

这就是混淆矩阵了，它的意义就如我们上面所说的那样。

总结

在分类模型中，可以用混淆矩阵矩阵来看模型的分类结果，它就是展示每类别样本被判别为各个类别的情况，特别是多分类模型，往往都会用混淆矩阵来展示模型的分类结果。