热点图上的FN和FP之间的混淆矩阵

问题描述

我正在尝试使用python机器学习解决分类问题。主题是关于使用信用数据集来预测此人的信用良好或不良。当一个人的信誉良好时，则为0，否则为1。我用LR创建了一个混淆矩阵。我不确定13是FN还是FP。有人可以为我澄清一下吗？ 他这个混淆矩阵

解决方法

将0设为肯定类别有点奇怪。无论如何，您都需要翻转混淆矩阵。假设您的测试和预测是这样的

y_test = np.repeat([0,1,1],[128,34,13,25])
y_pred = np.repeat([0,25])

我们始终会进行实际预测：

from sklearn.metrics import confusion_matrix
import seaborn as sns
cfm = confusion_matrix(y_pred,y_test)
sns.heatmap(cfm,annot=True,cmap="Blues")

因此，在这种情况下，我们继续以零作为您的肯定类，这与您在wiki for confusion matrix中的此图中的内容完全一样：

右上角为假阳性（34），左下角为假阴性。