seaborn多分类怎么绘制混淆矩阵

Seaborn是一个数据可视化库，可以用来绘制混淆矩阵。对于多分类问题，可以使用sklearn库中的classification_report函数来计算混淆矩阵，然后使用seaborn库中的heatmap函数来可视化混淆矩阵。

下面是一个简单的例子：

import seaborn as sns
from sklearn.metrics import classification_report, confusion_matrix
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier

# 加载数据集并划分训练集和测试集
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=0)

# 训练决策树模型并进行预测
clf = DecisionTreeClassifier(random_state=0)
clf.fit(X_train, y_train)
y_pred = clf.predict(X_test)

# 计算混淆矩阵
matrix = confusion_matrix(y_test, y_pred)

# 可视化混淆矩阵
sns.heatmap(matrix, annot=True, fmt='d', cmap='YlGnBu')

在这个例子中，我们加载了鸢尾花数据集，并使用决策树模型进行多分类任务。然后，我们使用sklearn库中的confusion_matrix函数计算混淆矩阵，最后使用seaborn库中的heatmap函数可视化混淆矩阵。