sklearn画多轮混淆矩阵

如果您想要绘制多轮混淆矩阵，您可以通过循环计算每一轮的混淆矩阵，并将它们绘制在一个图表中。以下是一个示例代码：

from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt
import seaborn as sns

# 假设y_true是真实标签，y_pred是预测标签的列表
y_true = [[0, 1, 0, 1, 1, 1],
          [1, 0, 0, 1, 0, 1],
          [0, 0, 1, 1, 1, 0]]
y_pred = [[0, 0, 0, 1, 1, 0],
          [1, 0, 0, 1, 1, 1],
          [0, 1, 0, 1, 0, 1]]

# 初始化混淆矩阵的总和
cm_sum = None

# 计算每一轮的混淆矩阵并累加到总和
for i in range(len(y_true)):
    cm = confusion_matrix(y_true[i], y_pred[i])
    if cm_sum is None:
        cm_sum = cm
    else:
        cm_sum += cm

# 绘制混淆矩阵
labels = ['Class 0', 'Class 1'] # 类别标签
sns.heatmap(cm_sum, annot=True, fmt="d", cmap="Blues", xticklabels=labels, yticklabels=labels)

plt.title('Confusion Matrix')
plt.xlabel('Predicted labels')
plt.ylabel('True labels')
plt.show()

这段代码会计算多轮混淆矩阵的总和，并在一个图表中绘制出来。您可以根据需要循环添加更多的混淆矩阵，然后累加到总和中。通过观察整体的混淆矩阵，您可以获得对模型的整体分类性能的更全面了解。