plot_confusion_matrix如何归一化

在sklearn的plot_confusion_matrix函数中，可以通过设置参数normalize来进行归一化操作。normalize的默认值为None，可以设置为"true"或"pred"，分别表示按行或按列进行归一化，也可以设置为"all"，表示对整个矩阵进行归一化。下面是一个示例代码：

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

# 创建混淆矩阵
confusion_matrix = [[10, 20, 30],
                    [40, 50, 60],
                    [70, 80, 90]]

# 绘制混淆矩阵，按行归一化
plot_confusion_matrix(estimator=None, X=None, y_true=None, labels=None, sample_weight=None,
                      normalize='true', display_labels=None, include_values=True, 
                      xticks_rotation='horizontal', values_format=None, cmap='viridis', ax=None)

plt.show()

在上述代码中，我们通过设置normalize参数为"true"，按行归一化了混淆矩阵。你可以尝试把normalize设置为"pred"或"all"，看看不同的归一化方式对混淆矩阵的可视化效果有什么影响。