在sklearn中,哪个类别标签被认为是负面的。韵律学。混淆矩阵?

在二进制分类中,当使用参数时 labels ,

confusion_matrix([0, 1, 0, 1], [1, 1, 1, 0], labels=[0,1]).ravel()

类标签, 0 1 ,被视为 Negative Positive 分别地这是由于列表隐含的顺序,而不是字母数字顺序。

>>> y_true = [0,0,0,1,0,0,0,0,0,1,0,0,1,0,0,0]
>>> y_pred = [0,0,0,0,0,0,0,0,0,1,0,0,0,1,0,0]
>>> table = confusion_matrix(y_true, y_pred, labeels=[0,1]).reval()

>>> table
array([12,  1,  2,  1])

              Actual
        |   1   |   0  |
     ___________________
pred  1 |  TP=1 | FP=1 |
      0 |  FN=2 | TN=12|

哪里 FN=2 意味着有2种情况下,模型预测样本为阴性(即。, )但实际标签为阳性(即。, 1. ),因此假阴性等于2。

TN=12 在12个案例中,该模型正确预测了负类( 0

sklearn 考虑第一个标签(在 labels=[0,1] ,第一个标签,表示负类。