我想知道如何將混淆矩陣從scikit學(xué)習(xí)轉(zhuǎn)換為數(shù)據(jù)幀。我不知道混合不同模型的所有mc是否可行。我為什么問(wèn)是因?yàn)榭勺x性。我必須始終在終端中打印并將mc復(fù)制到Excel文件中，這真的很苛刻，因?yàn)槲腋鶕?jù)所選的參數(shù)多次運(yùn)行腳本。models = {'Model_SVC': model1, 'Model_G_NB': model2, 'Model_LR': model3, 'Model_RF': model4,      'Model_KN': model5, 'Model_MLP': model6}        cv_splitter = KFold(n_splits=10, shuffle=False, random_state=None)    for model_name, model in models.items():        y_pred = cross_val_predict(model, features, ylabels, cv=cv_splitter)        print("Model: {}".format(model_name))        print("Accuracy: {}".format(accuracy_score(ylabels, y_pred)))        cm = confusion_matrix(ylabels, y_pred)                output = pd.DataFrame()        print("matrice confusion: {}".format(cm), file=f)矩陣看起來(lái)像這樣：Model: Model_SVCAccuracy: 0.5692307692307692matrice confusion: [[ 34   4  46] [ 10   2  33] [ 16   3 112]]Model: Model_G_NBAccuracy: 0.43846153846153846matrice confusion: [[31 22 31] [10 13 22] [27 34 70]]Model: Model_LRAccuracy: 0.5461538461538461matrice confusion: [[ 30   4  50] [ 11   0  34] [ 16   3 112]]Model: Model_RFAccuracy: 0.5846153846153846matrice confusion: [[ 40   5  39] [ 17   1  27] [ 20   0 111]]Model: Model_KNAccuracy: 0.4846153846153846matrice confusion: [[33 10 41] [14 12 19] [41  9 81]]Model: Model_MLPAccuracy: 0.5153846153846153matrice confusion: [[ 17   0  67] [ 12   0  33] [ 13   1 117]]我想要這樣的東西：   F    C   M0  34   4  461  10   2  332  16   3 112  3  31  22  31   => second cm 4  10  13  225  27  34  706  30   4  50  => third cm7  11   0  348  16   3 112...由于我使用的是“for”，我希望cm相互切換，以便最后我能夠?qū)?shù)據(jù)導(dǎo)出到一個(gè)excel或csv文件中。一個(gè)數(shù)據(jù)框，可以一個(gè)接一個(gè)地組合所有cm打印。