我的问题：

我有一个大型的JSON文件数据集。我读取它并存储在trainList变量中。

接下来，我对其进行预处理，以便能够使用它。

完成这些步骤后，我开始进行分类：

1. 我使用kfold交叉验证方法来获取平均准确率并训练分类器。
2. 我进行预测，并获取该折的准确率和混淆矩阵。
3. 之后，我想获取真阳性(TP)、真阴性(TN)、假阳性(FP)和假阴性(FN)的值。我将使用这些参数来计算敏感性和特异性。

最后，我将使用这些数据生成HTML，以便展示每个标签的真阳性图表。

代码：

目前我有的变量：

trainList #这是一个包含我数据集所有数据的JSON格式列表labelList #这是一个包含我数据所有标签的列表 

方法的大部分内容：

#我将数据从JSON格式转换为数值格式X=vec.fit_transform(trainList)#我对矩阵进行缩放（不知道为什么，但如果不这样做会出错）X=preprocessing.scale(X.toarray())#我生成一个KFold来进行交叉验证kf = KFold(len(X), n_folds=10, indices=True, shuffle=True, random_state=1)#我开始交叉验证for train_indices, test_indices in kf:    X_train=[X[ii] for ii in train_indices]    X_test=[X[ii] for ii in test_indices]    y_train=[listaLabels[ii] for ii in train_indices]    y_test=[listaLabels[ii] for ii in test_indices]    #我训练分类器    trained=qda.fit(X_train,y_train)    #我进行预测    predicted=qda.predict(X_test)    #我获取该折的准确率    ac=accuracy_score(predicted,y_test)    #我获取混淆矩阵    cm=confusion_matrix(y_test, predicted)    #我应该计算TP、TN、FP和FN     #我不知道如何继续

回答：

如果你有两个列表，分别包含预测值和实际值；看起来你已经有了，你可以将它们传递给一个函数，该函数将计算TP、FP、TN、FN，类似于这样：

def perf_measure(y_actual, y_hat):    TP = 0    FP = 0    TN = 0    FN = 0    for i in range(len(y_hat)):         if y_actual[i]==y_hat[i]==1:           TP += 1        if y_hat[i]==1 and y_actual[i]!=y_hat[i]:           FP += 1        if y_actual[i]==y_hat[i]==0:           TN += 1        if y_hat[i]==0 and y_actual[i]!=y_hat[i]:           FN += 1    return(TP, FP, TN, FN)

从这里开始，我想你将能够计算出你感兴趣的比率，以及其他性能指标，如特异性和敏感性。