python中画混淆矩阵
时间: 2023-11-12 07:59:41 浏览: 48
在Python中,可以使用matplotlib和sklearn库来绘制混淆矩阵。其中,sklearn.metrics.ConfusionMatrixDisplay类可以方便地绘制混淆矩阵。下面是一个示例代码:
```
from sklearn.metrics import confusion_matrix
from sklearn.metrics import ConfusionMatrixDisplay
import matplotlib.pyplot as plt
y_true = [2, 0, 2, 2, 0, 1]
y_pred = [0, 0, 2, 2, 0, 2]
cm = confusion_matrix(y_true, y_pred)
disp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=["ant", "bird", "cat"])
disp.plot(cmap=plt.cm.Blues)
plt.title("Confusion Matrix")
plt.show()
```
其中,y_true和y_pred分别表示真实标签和预测标签,cm表示混淆矩阵,disp表示ConfusionMatrixDisplay对象,display_labels表示标签名称,cmap表示颜色映射。
相关问题
python画混淆矩阵
在Python中,你可以使用scikit-learn库来计算和绘制混淆矩阵。下面是一个示例代码,展示了如何使用scikit-learn来计算和绘制混淆矩阵:
```python
import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import confusion_matrix
# 定义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, 1, 1, 0, 0, 1, 1])
# 计算混淆矩阵
cm = confusion_matrix(y_true, y_pred)
# 绘制混淆矩阵
plt.imshow(cm, interpolation='nearest', cmap=plt.cm.Blues)
plt.title("Confusion Matrix")
plt.colorbar()
tick_marks = np.arange(2)
plt.xticks(tick_marks, ['Class 0', 'Class 1'])
plt.yticks(tick_marks, ['Class 0', 'Class 1'])
plt.xlabel('Predicted Label')
plt.ylabel('True Label')
# 在每个格子中显示数值
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'),
horizontalalignment="center",
color="white" if cm[i, j] > thresh else "black")
plt.show()
```
这段代码首先导入了必要的库,然后定义了真实标签和预测标签。接下来,使用`confusion_matrix`函数计算混淆矩阵,并将结果存储在变量`cm`中。最后,使用Matplotlib库绘制混淆矩阵,并在每个格子中显示对应的数值。
python 画混淆矩阵
你可以使用 Python 中的库来绘制混淆矩阵。一个常用的库是 Matplotlib。以下是一个简单的示例代码,用于绘制混淆矩阵:
```python
import numpy as np
import matplotlib.pyplot as plt
def plot_confusion_matrix(cm, classes, normalize=False, title='Confusion matrix', cmap=plt.cm.Blues):
"""
绘制混淆矩阵
:param cm: 混淆矩阵
:param classes: 类别列表
:param normalize: 是否进行归一化
:param title: 图表标题
:param cmap: 颜色映射
"""
if normalize:
cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]
print("Normalized confusion matrix")
else:
print('Confusion matrix, without normalization')
plt.imshow(cm, interpolation='nearest', cmap=cmap)
plt.title(title)
plt.colorbar()
tick_marks = np.arange(len(classes))
plt.xticks(tick_marks, classes, rotation=45)
plt.yticks(tick_marks, classes)
fmt = '.2f' if normalize else 'd'
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], fmt),
horizontalalignment="center",
color="white" if cm[i, j] > thresh else "black")
plt.tight_layout()
plt.ylabel('True label')
plt.xlabel('Predicted label')
plt.show()
# 创建一个样例混淆矩阵
cm = np.array([[10, 2, 0],
[3, 15, 1],
[2, 1, 12]])
# 定义类别列表
cl