单元五
第17课 混淆矩阵与 classification_report
一、任务目标
读懂混淆矩阵格子，并浅读分类报告里的数字。
二、核心概念讲清楚
混淆矩阵行/列对应真实与预测类别。还可看 precision/recall。正确率是总览，矩阵是细节。
confusion_matrix- 对角线多为「猜对」
- 分类报告汇总精确率/召回率
1得到 y_pred测试集预测
2算混淆矩阵对照类别
3读错分位置哪两类最易混
4改进方向加特征或换模型
三、跟着想一遍（小例子）
若猫常被预测成狗，矩阵对应格子数字会偏大。
易错：只看准确率 95%，忽略少数类全错。
正确：结合矩阵看每一类表现。
想一想：医疗筛查更怕「漏诊」还是「误诊」？和哪类指标相关？
四、解题思路
任务：读懂混淆矩阵格子，并浅读分类报告里的数字。 先想清楚：输入是什么、处理后得到什么、屏幕上应出现什么。
本课主要用到：屏幕输出。
- 1明确任务「读懂混淆矩阵格子，并浅读分类报告里的数字。」：运行后你希望看到什么结果（文字、图形或计算结果）。
- 2用 print 把结果说出来，确认屏幕上出现预期内容。
- 3对照参考代码跑通后，只改一个参数，观察结果如何变化。
流程示意（可对照左侧文字）
五、语句功能讲解
本课用到的 Mixly 图形块均已在前面的课讲过。请直接对照编程练习搭积木；若有遗忘，回到该积木首次出现的课页复习。
六、知识点讲解
分类评估不止准确率：还要看各类别的查准／查全，避免被多数类迷惑。
先弄清本课输入与输出，再进编程练习对照现象。
七、编程练习
先理解上面的例子，再在下方 Mixly 运行与检查（含 scikit-learn）。
先看矩阵形状，再扫一眼报告。
参考代码（对照抄写到下方 Mixly）
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import confusion_matrix, classification_report
X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.3, random_state=0
)
clf = KNeighborsClassifier(n_neighbors=3).fit(X_train, y_train)
y_pred = clf.predict(X_test)
print("混淆矩阵:")
print(confusion_matrix(y_test, y_pred))
print()
print(classification_report(y_test, y_pred, digits=3))
正在载入编程环境
正在载入 Mixly 文本编程环境…
八、课堂练习
先完成两道正误判断，再做其余题目；选出后点「检查」。
判断：只抄参考代码，不看运行输出，也不改参数验证。
判断：先跑通，再对照「单元五」改一处输入/参数，确认输出按预期变化；答错小测时读讲解。
混淆矩阵主要帮助我们？
classification_report 通常按什么分组报告？
九、本节小结
混淆矩阵是「对错对照表」；报告是「分门别类的成绩单」。