多分类混淆矩阵可视化

多分类混淆矩阵可视化是评估多分类模型性能的一种方法。它可以帮助我们了解模型在不同类别上的分类情况，进而评估模型的准确性、召回率、精确率等指标。

以下是一种可视化多分类混淆矩阵的方法：

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

# 创建混淆矩阵
confusion_matrix = np.array([[10, 2, 3],
                             [1, 15, 2],
                             [4, 1, 12]])

# 计算类别数量
num_classes = confusion_matrix.shape[0]

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

这段代码使用了NumPy和Seaborn库来创建和绘制混淆矩阵的热力图。首先，我们需要将混淆矩阵以二维数组的形式表示。然后，使用Seaborn的heatmap函数来绘制热力图，其中参数annot=True用于在热力图上显示数值，cmap="Blues"用于设置颜色映射，fmt="d"用于设置数值的显示格式，xticklabels和yticklabels用于设置坐标轴的标签。

通过这种可视化方法，我们可以直观地观察到模型在不同类别上的分类情况，从而更好地评估模型的性能。