python中画混淆矩阵
时间: 2023-11-12 20:59:41 浏览: 111
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画出混淆矩阵
以下是Python代码,用于绘制混淆矩阵:
```python
import matplotlib.pyplot as plt
import numpy as np
def plot_confusion_matrix(cm, classes, normalize=False, title='Confusion matrix', cmap=plt.cm.Blues):
"""
This function prints and plots the confusion matrix.
Normalization can be applied by setting `normalize=True`.
"""
if normalize:
cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]
print("Normalized confusion matrix")
else:
print('Confusion matrix, without normalization')
print(cm)
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, j in product(range(cm.shape[0]), 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.ylabel('True label')
plt.xlabel('Predicted label')
plt.tight_layout()
# 示例:
# 混淆矩阵数据
cm = np.array([[10, 2, 3],
[1, 9, 2],
[3, 2, 10]])
# 类别标签
classes = ['Class A', 'Class B', 'Class C']
# 绘制混淆矩阵
plot_confusion_matrix(cm, classes)
```
运行以上代码,将得到一个混淆矩阵的可视化结果。可以通过调整`cm`和`classes`参数来适应你的实际数据。
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
阅读全文