混淆矩阵画图python

在 Python 中，可以使用混淆矩阵来评估分类模型的性能。混淆矩阵是一个表格，其中行表示实际标签，列表示预测标签。每个单元格中的数字表示实际标签和预测标签的组合的数量。可以使用 matplotlib 库来画出混淆矩阵的可视化。

以下是一个示例代码，其中使用 scikit-learn 库中的函数获取混淆矩阵并使用 matplotlib 库绘制图表：

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

# 实际标签
y_true = np.array([0, 1, 1, 0, 1, 1])
# 预测标签
y_pred = np.array([0, 1, 0, 0, 1, 1])

# 获取混淆矩阵
cm = confusion_matrix(y_true, y_pred)

# 绘制混淆矩阵图表
plt.imshow(cm, cmap=plt.cm.Blues)
plt.colorbar()

# 添加轴标签
classes = ['0', '1']
tick_marks = np.arange(len(classes))
plt.xticks(tick_marks, classes)
plt.yticks(tick_marks, classes)

# 在每个单元格中添加数字
thresh = cm.max() / 2.
for i, j in np.ndindex(cm.shape):
    plt.text(j, i, format(cm[i, j], 'd'),
             horizontalalignment="center",
             color="white" if cm[i, j] > thresh else "black")

# 添加标题和轴标签
plt.xlabel('Predicted label')
plt.ylabel('True label')
plt.title('Confusion matrix')

plt.show()

这将生成一个混淆矩阵的图表，其中每个单元格中的数字表示实际标签和预测标签的组合的数量。在示例中，实际标签为 0 或 1，预测标签也为 0 或 1。您可以根据自己的数据更改这些标签。