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

利用python绘制混淆矩阵

### 如何使用 Python 绘制混淆矩阵

为了可视化分类模型的表现，可以利用 `matplotlib` 和 `seaborn` 库来绘制混淆矩阵。以下是具体实现方法：

#### 使用 Matplotlib 和 Seaborn 绘制混淆矩阵

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

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

# 计算混淆矩阵
cm = confusion_matrix(y_true, y_pred)

# 创建热力图
plt.figure(figsize=(8, 6))
sns.heatmap(cm, annot=True, fmt='d', cmap="Blues", cbar=False)
plt.title('Confusion Matrix')
plt.ylabel('True label')
plt.xlabel('Predicted label')

# 显示图形
plt.show()

此代码片段展示了如何通过 `confusion_matrix()` 函数计算混淆矩阵并借助 `seaborn` 的 `heatmap()` 方法将其绘制成热力图[^1]。

对于更复杂的场景，还可以自定义颜色映射表、调整字体大小和其他样式属性以适应特定需求。此外，在实际应用中通常会结合其他评估指标一起展示，以便全面了解模型性能。

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。