Матрица ошибок

С помощью функции confusion_matrix() из scikit-learn вы можете легко построить матрицу ошибок классификатора и получить более детальное представление о его производительности. Функция принимает два аргумента: фактические метки тестовой выборки — y_test — и предсказанные метки.

Предсказанные метки вашего классификатора на основе случайного леса из предыдущего упражнения сохранены в y_pred и были получены следующим образом:

y_pred = clf.predict(X_test)

Важное примечание: по умолчанию sklearn строит матрицу ошибок следующим образом:

Обратите внимание, что оси расположены в обратном порядке по сравнению с тем, что вы видели в видео. Сами метрики остаются прежними, однако учитывайте это при интерпретации таблицы.