Matrice de confusion

À l'aide de la fonction confusion_matrix() de scikit-learn, vous pouvez facilement générer la matrice de confusion de votre classificateur et obtenir une compréhension plus nuancée de sa performance. Elle prend deux arguments : les étiquettes réelles de votre jeu de test — y_test — et vos étiquettes prédites.

Les étiquettes prédites de votre classificateur Random Forest à l'exercice précédent sont stockées dans y_pred et ont été calculées comme suit :

y_pred = clf.predict(X_test)

Remarque importante : par défaut, sklearn calcule la matrice de confusion comme suit :

Notez que les axes sont inversés par rapport à ce que vous avez vu dans la vidéo. Les métriques restent les mêmes, mais gardez cela en tête lorsque vous interprétez le tableau.