plot_confusion_matrix举例

plot_confusion_matrix 是一个用于绘制混淆矩阵的函数，通常用于评估分类模型的性能。它可以将混淆矩阵以图表的形式展示出来，便于直观地观察模型的分类效果。在 Python 中，可以使用 scikit-learn 库中的 confusion_matrix 和 matplotlib 库中的 imshow 函数来实现绘制混淆矩阵的功能。

相关问题

plot_confusion_matrix

`plot_confusion_matrix` 是一个函数，通常用于可视化混淆矩阵。混淆矩阵是评估分类模型性能的一种方式，它是一个表格，用于显示实际类别和预测类别之间的关系。它的行表示实际类别，列表示预测类别。

在 Python 中，可以使用 `sklearn.metrics` 中的 `confusion_matrix` 函数来计算混淆矩阵。然后，使用 `matplotlib` 中的 `imshow` 和 `colorbar` 函数可视化混淆矩阵。

以下是一个简单的例子，展示如何使用 `plot_confusion_matrix` 函数可视化混淆矩阵：

from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt
import seaborn as sns

# 生成一些随机数据
y_true = [1, 0, 1, 1, 0, 1, 0]
y_pred = [0, 0, 1, 1, 0, 1, 1]

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

# 可视化混淆矩阵
sns.set(font_scale=1.4)  # 设置字体大小
sns.heatmap(cm, annot=True, annot_kws={"size": 16}, cmap='Blues', fmt='g')  # annot=True 显示数字，cmap='Blues' 蓝色背景色
plt.xlabel('Predicted')
plt.ylabel('True')
plt.show()

输出结果为：


plot_confusion_matrix include_values

`plot_confusion_matrix` is a function in the `sklearn.metrics` module that can be used to plot a confusion matrix. The `include_values` parameter is a boolean value that determines whether or not to display the count of each class in the confusion matrix.

If `include_values` is set to `True`, the count of each class will be displayed in each cell of the matrix. If `include_values` is set to `False`, the cells will be blank.

Here is an example of how to use `plot_confusion_matrix` with the `include_values` parameter set to `True`:

from sklearn.metrics import plot_confusion_matrix
import matplotlib.pyplot as plt

# assume y_true and y_pred are already defined
confusion_matrix = confusion_matrix(y_true, y_pred)
plot_confusion_matrix(confusion_matrix, cmap=plt.cm.Blues, include_values=True)
plt.show()

This will display a confusion matrix with the count of each class in each cell.