测试集的分类结果可视化,可视化结果需要全面展示原始类别标签、分类结果生成代码
时间: 2024-05-04 11:19:19 浏览: 6
要想将测试集的分类结果进行可视化展示,可以采用混淆矩阵和热力图等方式。以下是一个简单的示例代码:
```python
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.metrics import confusion_matrix
# 假设有一个测试集的真实标签为y_true,预测标签为y_pred
y_true = np.array([0, 1, 2, 1, 0, 2, 2, 1, 0, 0])
y_pred = np.array([0, 1, 1, 1, 0, 2, 2, 1, 2, 0])
# 计算混淆矩阵
cm = confusion_matrix(y_true, y_pred)
# 将矩阵转化为DataFrame,方便进行可视化
cm_df = pd.DataFrame(cm, columns=np.unique(y_true), index=np.unique(y_true))
cm_df.index.name = 'Actual'
cm_df.columns.name = 'Predicted'
# 绘制热力图
plt.figure(figsize=(8, 6))
sns.set(font_scale=1.4)
sns.heatmap(cm_df, annot=True, annot_kws={"size": 16}, cmap='Blues')
plt.show()
# 输出分类结果生成代码
print('y_true =', list(y_true))
print('y_pred =', list(y_pred))
```
上述代码中,我们首先计算出了测试集的混淆矩阵,并将其转化为DataFrame格式。然后使用Seaborn库绘制热力图,通过不同颜色的格子展示不同的分类结果。最后输出分类结果的生成代码,方便其他人进行复现。