半教師あり学習におけるConfusion_matrixが出力する値について．

Question

躓いている点

現在半教師あり学習を用いた機械学習モデルの構築を行なっており，精度評価の確認を行なっております．
Recall値，Precision値，F値等は出力を行うことができたのですが，ConfusionMatrixにおける出力の値の読み取り方が理解できていません．
その部分についてご教授いただきたいと思っています．
データセットの内容については[特徴量1,特徴量2,特徴量3,特徴量4,特徴量5,label]となっており，labelに関しては[0,1,ラベルなし]です．
おそらくラベル毎の多変数混合行列になっていることは想像つくのですが，どのような順番に並べられていてlabelなしについてはどのような扱い方がされているのかが分かっていません．
お手数おかけしますがご教授いただけると幸いです．

該当のソースコード

# ラベル付けされたデータとラベルなしデータを用意
labeled_data = df1[df1["label"].notna()][feature_cols]
unlabeled_data = df1[df1["label"].isna()][feature_cols]
labels = df1[df1["label"].notna()]["label"]

#データを訓練データとテストデータに分割
X_train, X_test, y_train, y_test = train_test_split(np.concatenate((labeled_data, unlabeled_data)), np.concatenate((labels, -np.ones(len(unlabeled_data)))), test_size=0.2, random_state=0)

# ラベル伝播アルゴリズムをインスタンス化
svm = SVC(kernel='linear')

# 学習
svm.fit(X_train, y_train)

#予測
predictions = svm.predict(X_test)

#精度の評価
from sklearn.metrics import accuracy_score
print("半教師あり学習 Accuracy:",accuracy_score(y_test, predictions))

recallscore = recall_score(y_test, predictions, average='micro')
print("半教師あり学習 Recall Score:", recallscore)

precisionscore = precision_score(y_test, predictions, average='micro')

print("半教師あり学習 Precision Score:", precisionscore)

print("半教師あり学習 F Score:",f1_score(y_test, predictions, average='micro'))

conf_matrix = confusion_matrix(y_test, predictions)

print("半教師あり学習 Confusion Matrix:", conf_matrix)

Answer 1

ConfusionMatrixにおける出力の値の読み取り方が理解できていません．

確か行方向が実際の正解ラベルで、列方向が予測値のラベルです。
このリストの場合、[ラベル0の時の予測値0,1,None][ラベル1の時の予測値0,1,None][ラベルNoneの時の予測値0,1,None]です。(場合により、並びが変動する場合があります。実際のデータ数で判断してください。)

リンク先では二値分類ですが、0,0-2,2の部分が正答であることは変わりないでしょう。
混同行列（Confusion Matrix）

どのような順番に並べられていてlabelなしについてはどのような扱い方がされているのかが分かっていません．

今回の場合、ラベルがあるデータに関しては的確に予測できており、ラベルなしのデータに関しては比較的ラベル０であると予測されているようです。

※記憶があやふやなので間違ってたら誰か教えてください。（修正します）