python绘制混淆矩阵热力图

在Python中，可以使用matplotlib库和seaborn库来绘制混淆矩阵的热力图。下面是一个简单的示例代码：

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# 创建混淆矩阵数据
confusion_matrix = np.array([[50, 10, 5],
                             [5, 40, 15],
                             [10, 5, 45]])

# 绘制热力图
plt.figure(figsize=(8, 6))
sns.heatmap(confusion_matrix, annot=True, cmap="YlGnBu", fmt="d")
plt.xlabel("Predicted label")
plt.ylabel("True label")
plt.title("Confusion Matrix Heatmap")
plt.show()

在这个示例中，我们首先创建了一个3x3的混淆矩阵数据。然后使用`sns.heatmap()`函数绘制热力图，其中`annot=True`表示在每个格子中显示数值，`cmap="YlGnBu"`表示使用蓝绿色调色板，`fmt="d"`表示显示整数类型的数值。

你可以根据自己的混淆矩阵数据进行相应的修改和调整，以满足你的需求。

相关问题

python 绘制混淆矩阵

要使用Python绘制混淆矩阵，你可以使用混淆矩阵的数据来创建热力图。下面是一个使用Matplotlib库绘制混淆矩阵的示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 定义混淆矩阵数据
confusion_matrix = np.array([[100, 10, 0],
                             [5, 90, 5],
                             [0, 8, 92]])

# 计算各类别的总数
class_totals = confusion_matrix.sum(axis=1)

# 计算各类别的准确率
class_accuracy = confusion_matrix / class_totals[:, np.newaxis]

# 设置标签
labels = ['Class A', 'Class B', 'Class C']

# 创建热力图
fig, ax = plt.subplots()
im = ax.imshow(class_accuracy, cmap='Blues')

# 设置颜色条
cbar = ax.figure.colorbar(im, ax=ax)

# 设置坐标轴标签
ax.set(xticks=np.arange(class_accuracy.shape[1]),
       yticks=np.arange(class_accuracy.shape[0]),
       xticklabels=labels, yticklabels=labels,
       title='Confusion Matrix',
       ylabel='True label',
       xlabel='Predicted label')

# 在热力图中显示数值
for i in range(class_accuracy.shape[0]):
    for j in range(class_accuracy.shape[1]):
        ax.text(j, i, format(class_accuracy[i, j], '.2f'),
                ha="center", va="center", color="white")

# 确保标签不被裁剪
plt.tight_layout()

# 显示图形
plt.show()

你可以根据你实际的混淆矩阵数据进行修改。这段代码会生成一个热力图，其中每个单元格表示分类器在预测时的准确率。标签显示了真实标签和预测标签的类别。

混淆矩阵热力图python

混淆矩阵热力图可以用 Python 中的 Matplotlib 和 Seaborn 库来实现。具体步骤如下：

1. 导入所需库：

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

2. 计算混淆矩阵：

y_true = [0, 1, 0, 1, 0, 1, 0, 0, 1, 1]
y_pred = [0, 0, 0, 1, 0, 1, 1, 0, 1, 0]

cm = confusion_matrix(y_true, y_pred)

3. 绘制热力图：

sns.heatmap(cm, annot=True, cmap='Blues')
plt.xlabel('Predicted labels')
plt.ylabel('True labels')
plt.show()

完整代码如下：

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

# Example data
y_true = [0, 1, 0, 1, 0, 1, 0, 0, 1, 1]
y_pred = [0, 0, 0, 1, 0, 1, 1, 0, 1, 0]

# Calculate confusion matrix
cm = confusion_matrix(y_true, y_pred)

# Plot heatmap
sns.heatmap(cm, annot=True, cmap='Blues')
plt.xlabel('Predicted labels')
plt.ylabel('True labels')
plt.show()

运行上述代码，即可得到混淆矩阵热力图。其中，热力图中的数字表示预测正确或预测错误的样本数，越大的数字颜色越深。同时，横轴表示预测结果，纵轴表示真实标签。可以根据热力图判断分类模型的性能。