混淆矩阵

本课属于 Coddy Machine Learning 学习旅程的“监督学习”单元。第 21 课，共 58 课。

准确率只统计错误数量，不区分错误类型。对于流感检测来说，让患病患者回家远比误报严重。confusion_matrix 会统计每种错误：

一个用于检测 100 名患者是否患有流感的 2×2 网格。行表示实际情况，先是健康，再是患有流感；列表示检测结果，先是判定为健康，再是判定为患有流感。蓝色表示正确结果：50 个真阴性，42 个真阳性。橙色表示错误：3 个假阳性，5 个假阴性

流感是正类，值为 1。错误都出现在对角线之外：假阳性（误报）和假阴性（漏诊）。

from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay

cm = confusion_matrix(y_test, pred)  # 真实值在前
print(cm)
print(cm[1, 0])  # 第 1 行：患流感，第 0 列：预测为健康
ConfusionMatrixDisplay.from_predictions(y_test, pred, display_labels=["healthy", "flu"],
                                        ax=ax, colorbar=False)  # 不用颜色条：计数已经说明了

这会打印：

[[50  3]
 [ 5 42]]
5

本章将介绍如何缩小漏掉病例的单元格范围。最后会进行一项筛查测试，几乎不会漏掉任何人。

挑战

中等

如果可能形成离岸流，救生员会在早上收到警报。初始代码会训练警报模型，并为测试日期填入 pred（1 表示有离岸流）。

生成混淆矩阵，并按下面的格式打印四个计数。
在 ax 上绘制矩阵，标签使用 calm 和 rip，然后显示图表。

对于另一个模型：

Rips caught: 30
Rips missed: 2
False alarms: 9
Calm days cleared: 59

Coddy 会描述你的图表。它应该看起来像下面这个水管漏水警报图表：

标题为 Leak Alerts 的混淆矩阵。行表示真实标签，依次为 dry 和 leak；列表示预测标签。各单元格的值：dry 行为 61 和 4，leak 行为 7 和 28

亲手试试

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay

# 冲浪海滩每天早上的数据占一行：rip 中的 1 表示当天形成了离岸流
beach = pd.read_csv("rips.csv")
features = ["wave_height_m", "wave_period_s", "wind_kmh", "tide_change_m"]
X = beach[features]
y = beach["rip"]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0)

# 救生员的离岸流预警
model = LogisticRegression(max_iter=1000)
model.fit(X_train, y_train)
pred = model.predict(X_test)

fig, ax = plt.subplots()
ax.set_title("Rip Current Alerts")

# 在下方编写你的代码