In [1]:

    

from sklearn.metrics import confusion_matrix


    

In [2]:

    

y_true = [0, 0, 0, 0, 0, 1, 1, 1, 1, 1]
y_pred = [0, 1, 1, 1, 1, 0, 0, 0, 1, 1]


    

In [3]:

    

cm = confusion_matrix(y_true, y_pred)


    

In [4]:

    

print(cm)


    

    




[[1 4]
 [3 2]]

In [5]:

    

print(type(cm))


    

    




<class 'numpy.ndarray'>

In [6]:

    

print(cm.flatten())


    

    




[1 4 3 2]

In [7]:

    

tn, fp, fn, tp = cm.flatten()


    

In [8]:

    

print(tn)


    

    




1

In [9]:

    

print(fp)


    

    




4

In [10]:

    

print(fn)


    

    




3

In [11]:

    

print(tp)


    

    




2

In [12]:

    

y_true_ab = ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B']
y_pred_ab = ['A', 'B', 'B', 'B', 'B', 'A', 'A', 'A', 'B', 'B']


    

In [13]:

    

print(confusion_matrix(y_true_ab, y_pred_ab))


    

    




[[1 4]
 [3 2]]

In [14]:

    

print(confusion_matrix(y_true_ab, y_pred_ab, labels=['B', 'A']))


    

    




[[2 3]
 [4 1]]

In [15]:

    

y_true_multi = [0, 0, 0, 1, 1, 1, 2, 2, 2]
y_pred_multi = [0, 1, 1, 1, 1, 2, 2, 2, 2]


    

In [16]:

    

print(confusion_matrix(y_true_multi, y_pred_multi))


    

    




[[1 2 0]
 [0 2 1]
 [0 0 3]]

In [17]:

    

print(confusion_matrix(y_true_multi, y_pred_multi, labels=[2, 1]))


    

    




[[3 0]
 [1 2]]