plot_confusion_matrix()使用例子

下面是一个使用`plot_confusion_matrix()`函数的例子：

from sklearn.metrics import confusion_matrix
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 np.ndindex(cm.shape):
        plt.text(j, i, format(cm[i, j], fmt),
                 ha="center", va="center",
                 color="white" if cm[i, j] > thresh else "black")

    plt.tight_layout()
    plt.ylabel('True label')
    plt.xlabel('Predicted label')


# 定义一个混淆矩阵
cm = np.array([[50, 10], [5, 35]])

# 定义标签
classes = ['Class A', 'Class B']

# 绘制混淆矩阵
plt.figure()
plot_confusion_matrix(cm, classes)

plt.show()

输出结果：

Confusion matrix, without normalization
[[50 10]
 [ 5 35]]


在这个例子中，我们定义了一个混淆矩阵`cm`，它有两行两列。我们还定义了标签`classes`，它表示我们正在分类的两个类别。最后，我们使用`plot_confusion_matrix()`函数绘制混淆矩阵。我们可以看到，绘制的混淆矩阵与我们定义的混淆矩阵相同。