keras绘制混淆矩阵

可以使用sklearn库中的confusion_matrix函数来计算混淆矩阵，然后使用matplotlib库中的imshow函数来绘制混淆矩阵图像。

下面是一个示例代码，使用Keras训练一个二分类模型（二分类问题的混淆矩阵是一个2x2的矩阵）并绘制混淆矩阵图像：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import confusion_matrix
from keras.models import Sequential
from keras.layers import Dense

# 构建一个二分类模型
model = Sequential()
model.add(Dense(10, input_dim=8, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# 生成一些随机数据用于训练和测试
X_train = np.random.rand(1000, 8)
y_train = np.random.randint(2, size=1000)
X_test = np.random.rand(500, 8)
y_test = np.random.randint(2, size=500)

# 训练模型
model.fit(X_train, y_train, epochs=10, batch_size=32, validation_data=(X_test, y_test))

# 预测测试集
y_pred = model.predict(X_test)

# 计算混淆矩阵
cm = confusion_matrix(y_test, y_pred.round())

# 绘制混淆矩阵图像
plt.imshow(cm, interpolation='nearest', cmap=plt.cm.Blues)
plt.colorbar()
tick_marks = np.arange(2)
plt.xticks(tick_marks, ['0', '1'])
plt.yticks(tick_marks, ['0', '1'])
plt.xlabel('Predicted')
plt.ylabel('True')
plt.show()

运行以上代码，就可以得到一个混淆矩阵图像。