混淆矩阵heatmap图

混淆矩阵是用于评估分类模型性能的一种矩阵。在混淆矩阵中，行表示实际类别，列表示预测类别。对角线上的元素表示正确分类的样本数，非对角线上的元素表示错误分类的样本数。混淆矩阵heatmap图可以直观地展示混淆矩阵的结果。

以下是一个绘制混淆矩阵heatmap图的例子：

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

# 构造混淆矩阵
confusion_matrix = np.array([[50, 10, 5], [5, 20, 15], [10, 5, 30]])

# 绘制heatmap图
fig, ax = plt.subplots(figsize=(8, 6))
sns.heatmap(confusion_matrix, annot=True, cmap='Blues', fmt='g', ax=ax)

# 设置图形属性
ax.set_xlabel('Predicted labels')
ax.set_ylabel('True labels')
ax.set_title('Confusion Matrix')

# 显示图形
plt.show()

在上述代码中，我们首先构造了一个3x3的混淆矩阵，然后使用seaborn库中的heatmap函数绘制了混淆矩阵的heatmap图。其中，annot=True表示在heatmap图中显示数值，cmap='Blues'表示使用蓝色调色板，fmt='g'表示使用普通数字格式显示数值。

相关问题

# 混淆矩阵 cm = metrics.confusion_matrix(y_test, sklearn_predict, labels = [0, 1]) print('混淆矩阵：\n', cm) # 混淆矩阵热力图 import seaborn as sns sns.heatmap(cm, annot=True, fmt = '.2e', cmap = 'GnBu')报错的原因

该报错可能是因为您没有导入所需的库，比如 `metrics` 和 `seaborn` 库。请确保您已经通过以下方式将它们导入到您的代码中：

from sklearn import metrics
import seaborn as sns

如果已经导入了这些库，那么请检查您是否正确地使用了这些库的函数和参数。另外，如果您能提供更具体的错误信息，我将能够更好地帮助您解决问题。

sns.heatmap(confusion_mat, annot=True, cmap="Blues") plt.show()改成导出混淆矩阵图片文件

要将混淆矩阵保存为图片文件，您可以使用`matplotlib`库中的`savefig`函数。可以按照以下步骤进行操作：

1. 导入`matplotlib`库：

import matplotlib.pyplot as plt

2. 绘制热力图并隐藏显示：

plt.imshow(confusion_mat, cmap="Blues")
plt.colorbar()
plt.title("Confusion Matrix")
plt.xlabel("Predicted Labels")
plt.ylabel("True Labels")
plt.xticks(ticks=range(len(labels)), labels=labels, rotation=45)
plt.yticks(ticks=range(len(labels)), labels=labels)
plt.tight_layout()
plt.savefig("confusion_matrix.png")

3. 保存图片文件：

plt.savefig("confusion_matrix.png")

以上代码将生成一个名为`confusion_matrix.png`的图片文件，保存在当前工作目录下。您可以将文件名更改为您喜欢的名称和路径。