混淆矩阵

混淆矩阵是一种用于评估分类模型性能的工具，它通过将预测结果与实际标签进行比较，生成一个表格来展示模型在不同类别上的分类准确性。混淆矩阵由四个部分组成：真正例（TP）、假正例（FP）、真负例（TN）和假负例（FN）。TP表示模型正确预测为正例的数量，FP表示模型错误地预测为正例的数量，TN表示模型正确预测为负例的数量，FN表示模型错误地预测为负例的数量。通过计算混淆矩阵中的各个指标，可以得出模型的准确率、召回率、精确率等重要指标，从而对模型的性能进行全面评估。