TensorFlow是Google设计的开源Python库，用于开发机器学习模型和深度学习神经网络。 confusion_matrix()用于从预测和标签中找到混淆矩阵。
用法：tensorflow.math.confusion_matrix( labels, predictions, num_classes, weights, dtype,name)
参数：
- labels:这是一维张量，其中包含用于分类任务的真实标签。
- predictions:它也是与标签形状相同的一维张量。它的值代表预测的类。
- num_classes(可选)：这可能是标签/类分类任务可能具有的数量。如果未提供，则num_classes将比预测值或标签中的最大值大一码。
- weight(optional):它是与预测形状相同的张量，其值定义了每个预测的相应权重。
- dtype(optional):它定义了返回的混淆矩阵的dtype。如果tensorflow.dtypes.int32，则取消注册。
- name(optional):定义操作的名称。
返回值：
它返回形状为[n，n]的混淆矩阵，其中n是可能的标签数。
范例1：
Python3
# importing the library
import tensorflow as tf
# Initializing the input tensor
labels = tf.constant([1,3,4],dtype = tf.int32)
predictions = tf.constant([1,2,3],dtype = tf.int32)
# Printing the input tensor
print('labels:',labels)
print('Predictins:',predictions)
# Evaluating confusion matric
res = tf.math.confusion_matrix(labels,predictions)
# Printing the result
print('Confusion_matrix:',res)输出：
labels: tf.Tensor([1 3 4], shape=(3,), dtype=int32) Predictins: tf.Tensor([1 2 3], shape=(3,), dtype=int32) Confusion_matrix: tf.Tensor( [[0 0 0 0 0] [0 1 0 0 0] [0 0 0 0 0] [0 0 1 0 0] [0 0 0 1 0]], shape=(5, 5), dtype=int32)
范例2：此示例为所有预测提供权重。
Python3
# importing the library
import tensorflow as tf
# Initializing the input tensor
labels = tf.constant([1,3,4],dtype = tf.int32)
predictions = tf.constant([1,2,4],dtype = tf.int32)
weights = tf.constant([1,2,2], dtype = tf.int32)
# Printing the input tensor
print('labels:',labels)
print('Predictins:',predictions)
print('Weights:',weights)
# Evaluating confusion matric
res = tf.math.confusion_matrix(labels, predictions, weights=weights)
# Printing the result
print('Confusion_matrix:',res)输出：
labels: tf.Tensor([1 3 4], shape=(3,), dtype=int32) Predictins: tf.Tensor([1 2 4], shape=(3,), dtype=int32) Weights: tf.Tensor([1 2 2], shape=(3,), dtype=int32) Confusion_matrix: tf.Tensor( [[0 0 0 0 0] [0 1 0 0 0] [0 0 0 0 0] [0 0 2 0 0] [0 0 0 0 2]], shape=(5, 5), dtype=int32)
注：本文由纯净天空筛选整理自aman neekhara大神的英文原创作品 Python – tensorflow.math.confusion_matrix()。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。