Confusion-Matrix

Mit der Funktion confusion_matrix() von scikit-learn kannst du ganz einfach die Confusion-Matrix deines Klassifikators erstellen und dir ein nuancierteres Bild seiner Leistung verschaffen. Sie nimmt zwei Argumente entgegen: die tatsächlichen Labels deines Testsets – y_test – und deine vorhergesagten Labels.

Die vorhergesagten Labels deines Random-Forest-Klassifikators aus der vorherigen Übung sind in y_pred gespeichert und wurden wie folgt berechnet:

y_pred = clf.predict(X_test)

Wichtiger Hinweis: sklearn berechnet die Confusion-Matrix standardmäßig wie folgt:

Beachte, dass die Achsen andersherum sind als im Video. Die Kennzahlen selbst bleiben gleich, aber behalte das beim Interpretieren der Tabelle im Hinterkopf.