Python sklearn.metrics模塊混淆矩陣常用函數(shù)

1.accuracy_score(y_true, y_pred, normalize=True, sample_weight=None)

創(chuàng)新互聯(lián)于2013年開始，先為陽城等服務(wù)建站，陽城等地企業(yè)，進(jìn)行企業(yè)商務(wù)咨詢服務(wù)。為陽城企業(yè)網(wǎng)站制作PC+手機(jī)+微官網(wǎng)三網(wǎng)同步一站式服務(wù)解決您的所有建站問題。

參數(shù)分別為y實(shí)際類別、預(yù)測類別、返回值要求（True返回正確的樣本占比，false返回的是正確分類的樣本數(shù)量）

eg：

import numpy as np

from sklearn.metrics import accuracy_score

y_pred = [0, 2, 1, 3]

y_true = [0, 1, 2, 3]

accuracy_score(y_true, y_pred)

0.5

accuracy_score(y_true, y_pred, normalize=False)

2.classification_report(y_true, y_pred, labels=None, target_names=None, sample_weight=None, digits=2)

參數(shù)：真是類別，預(yù)測類別，目標(biāo)類別名稱

eg：

3.confusion_matrix(y_true, y_pred, labels=None, sample_weight=None)

輸出為混淆矩陣

eg：

太多了，寫3個(gè)常用的吧，具體參考help(metrics)

defcm_plot(y,yp):#參數(shù)為實(shí)際分類和預(yù)測分類

fromsklearn.metricsimportconfusion_matrix

#導(dǎo)入混淆矩陣函數(shù)

cm = confusion_matrix(y,yp)

#輸出為混淆矩陣

importmatplotlib.pyplotasplt

#導(dǎo)入作圖函數(shù)

plt.matshow(cm,cmap=plt.cm.Greens)

# 畫混淆矩陣圖，配色風(fēng)格使用cm.Greens

plt.colorbar()

# 顏色標(biāo)簽

forxinrange(len(cm)):

foryinrange(len(cm)):

plt.annotate(cm[x,y],xy=(x,y),horizontalalignment='center',verticalalignment='center')

#annotate主要在圖形中添加注釋

# 第一個(gè)參數(shù)添加注釋

# 第一個(gè)參數(shù)是注釋的內(nèi)容

# xy設(shè)置箭頭尖的坐標(biāo)

#horizontalalignment水平對齊

#verticalalignment垂直對齊

#其余常用參數(shù)如下：

# xytext設(shè)置注釋內(nèi)容顯示的起始位置

# arrowprops 用來設(shè)置箭頭

# facecolor 設(shè)置箭頭的顏色

# headlength 箭頭的頭的長度

# headwidth 箭頭的寬度

# width 箭身的寬度

plt.ylabel('True label')# 坐標(biāo)軸標(biāo)簽

plt.xlabel('Predicted label')# 坐標(biāo)軸標(biāo)簽

returnplt

#函數(shù)調(diào)用

cm_plot(train[:,3],tree.predict(train[:,:3])).show()

python 怎么實(shí)現(xiàn)矩陣運(yùn)算

1.numpy的導(dǎo)入和使用

data1=mat(zeros((

)))

#創(chuàng)建一個(gè)3*3的零矩陣，矩陣這里zeros函數(shù)的參數(shù)是一個(gè)tuple類型(3,3)

data2=mat(ones((

)))

#創(chuàng)建一個(gè)2*4的1矩陣，默認(rèn)是浮點(diǎn)型的數(shù)據(jù)，如果需要時(shí)int類型，可以使用dtype=int

data3=mat(random.rand(

))

#這里的random模塊使用的是numpy中的random模塊，random.rand(2,2)創(chuàng)建的是一個(gè)二維數(shù)組，需要將其轉(zhuǎn)換成#matrix

data4=mat(random.randint(

10

,size=(

)))

#生成一個(gè)3*3的0-10之間的隨機(jī)整數(shù)矩陣，如果需要指定下界則可以多加一個(gè)參數(shù)

data5=mat(random.randint(

,size=(

))

#產(chǎn)生一個(gè)2-8之間的隨機(jī)整數(shù)矩陣

data6=mat(eye(

,dtype=

int

))

#產(chǎn)生一個(gè)2*2的對角矩陣

a1=[

]; a2=mat(diag(a1))

#生成一個(gè)對角線為1、2、3的對角矩陣

在Python中使用矩陣,需要調(diào)用什么庫函數(shù):

numpy庫的mat函數(shù)

import?numpy?as?np

matrix?=?np.mat([[1,?2,?3],?[4,?5,?6]])

print?matrix

print?type(matrix)

結(jié)果為：

[[1 2 3]

[4 5 6]]

class 'numpy.matrixlib.defmatrix.matrix'

python中的矩陣運(yùn)算

NumPy支持大量的維度數(shù)組與矩陣運(yùn)算，此外也針對數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫。

首先安裝NumPy，安裝過pandas，它會(huì)自動(dòng)安裝它的依賴，就不需要安裝NumPy了。

python怎么實(shí)現(xiàn)矩陣的除法

1、首先打開pycharm軟件，新建一個(gè)python文件并導(dǎo)入numpy庫。

2、然后創(chuàng)建矩陣A，這里先創(chuàng)建一個(gè)兩行兩列的數(shù)組，在用numpy的mat函數(shù)將數(shù)組轉(zhuǎn)換為矩陣。

3、接著計(jì)算矩陣A的逆矩陣，逆矩陣是通過A.I求得。

4、求出了矩陣A的逆矩陣后，用矩陣B乘以這個(gè)逆矩陣就是矩陣的除法了，即為矩陣B除以矩陣A的值。

如何使用python表示矩陣

使用python表示矩陣的方法：

使用“import numpy”語句導(dǎo)入numpy包。用numpy包的array函數(shù)創(chuàng)建一個(gè)二維數(shù)組，這個(gè)二維數(shù)組就表示矩陣

示例代碼如下：

執(zhí)行結(jié)果如下：