plot_confusion_matrix 代码

以下是一个基于Matplotlib的函数，用于绘制混淆矩阵：

import itertools
import numpy as np
import matplotlib.pyplot as plt

def plot_confusion_matrix(cm, classes, normalize=False, title='Confusion matrix', cmap=plt.cm.Blues):
    """
    绘制混淆矩阵图像
    
    Parameters:
    -----------
        cm: 混淆矩阵，numpy数组类型。cm[i, j] 表示真实标签为i，预测标签为j的样本数量。
        
        classes: 标签类别，list类型，长度为n_classes。classes[i]表示第i个类别的名称。
        
        normalize: 是否对混淆矩阵进行标准化，bool类型。默认为False，即不进行标准化。
        
        title: 图像标题，str类型。默认为'Confusion matrix'。
        
        cmap: 颜色图谱，matplotlib colormap类型。默认为plt.cm.Blues。
        
    Returns:
    --------
        无返回值，直接绘制混淆矩阵图像。
    """
    
    if normalize:
        cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]
        print("Normalized confusion matrix")
    else:
        print('Confusion matrix, without normalization')

    print(cm)

    plt.imshow(cm, interpolation='nearest', cmap=cmap)
    plt.title(title)
    plt.colorbar()
    tick_marks = np.arange(len(classes))
    plt.xticks(tick_marks, classes, rotation=45)
    plt.yticks(tick_marks, classes)

    fmt = '.2f' if normalize else 'd'
    thresh = cm.max() / 2.
    for i, j in itertools.product(range(cm.shape[0]), range(cm.shape[1])):
        plt.text(j, i, format(cm[i, j], fmt),
                 horizontalalignment="center",
                 color="white" if cm[i, j] > thresh else "black")

    plt.tight_layout()
    plt.ylabel('True label')
    plt.xlabel('Predicted label')
    plt.show()

使用方法：

# 使用示例
from sklearn.metrics import confusion_matrix
y_true = [2, 0, 2, 2, 0, 1]
y_pred = [0, 0, 2, 2, 0, 2]
cm = confusion_matrix(y_true, y_pred)
plot_confusion_matrix(cm, ['class0', 'class1', 'class2'])

这段代码会绘制出以下混淆矩阵图像：