sklearn混淆矩阵画图

你可以使用 `sklearn.metrics` 模块中的 `confusion_matrix` 函数来计算混淆矩阵，然后使用 `matplotlib` 库中的 `imshow` 函数来绘制混淆矩阵的图像。下面是一个示例代码：

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

# 假设你有真实标签和预测标签
y_true = np.array([0, 1, 0, 1, 1, 0, 0, 1])
y_pred = np.array([0, 1, 0, 0, 1, 1, 0, 1])

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

# 绘制混淆矩阵图像
plt.imshow(cm, interpolation='nearest', cmap=plt.cm.Blues)
plt.title('Confusion Matrix')
plt.colorbar()
classes = ['Class 0', 'Class 1']  # 类别名称
tick_marks = np.arange(len(classes))
plt.xticks(tick_marks, classes)
plt.yticks(tick_marks, classes)

# 添加数据标签
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'),
                 ha="center", va="center",
                 color="white" if cm[i, j] > thresh else "black")

plt.tight_layout()
plt.ylabel('True label')
plt.xlabel('Predicted label')
plt.show()

这段代码会显示一个带有颜色编码的混淆矩阵图像，其中每个单元格的值表示预测为某一类别的样本数量。你可以根据自己的数据和类别名称进行相应的修改。希望对你有所帮助！