python绘制原始数据混淆矩阵

要在Python中绘制原始数据的混淆矩阵，可以使用混淆矩阵函数`confusion_matrix`和可视化库`matplotlib`。以下是一个示例代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import confusion_matrix

# 原始数据标签和预测结果
true_labels = [0, 1, 2, 0, 1, 2, 0, 2, 2]
pred_labels = [0, 2, 1, 0, 2, 1, 0, 0, 2]

# 计算混淆矩阵
cm = confusion_matrix(true_labels, pred_labels)

# 绘制混淆矩阵
plt.figure(figsize=(8, 6))
plt.imshow(cm, interpolation='nearest', cmap=plt.cm.Blues)
plt.title('Confusion Matrix')
plt.colorbar()
tick_marks = np.arange(len(np.unique(true_labels)))
plt.xticks(tick_marks, np.unique(true_labels))
plt.yticks(tick_marks, np.unique(true_labels))
plt.xlabel('Predicted Label')
plt.ylabel('True Label')

# 在每个格子中添加分类数量
thresh = cm.max() / 2.
for i in range(cm.shape[0]):
    for j in range(cm.shape[1]):
        plt.text(j, i, format(cm[i, j], 'd'),
                 horizontalalignment="center",
                 color="white" if cm[i, j] > thresh else "black")

plt.show()

这段代码通过调用`confusion_matrix`函数计算出混淆矩阵，并使用`imshow`函数绘制矩阵。同时，使用`text`函数在每个格子中添加分类数量。最后，通过`plt.show()`显示混淆矩阵图像。你可以根据需要修改代码中的原始数据标签和预测结果。