如何用代码可视化一个多分类问题的混淆矩阵

同样地，我们可以使用`matplotlib`和`seaborn`库来可视化多分类问题的混淆矩阵。这里给出一个示例代码，假设我们有一个三分类模型的混淆矩阵：

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# 定义混淆矩阵
confusion_matrix = np.array([[10, 1, 2], [3, 12, 5], [4, 6, 9]])

# 定义标签
labels = ["Class 1", "Class 2", "Class 3"]

# 绘制热力图
sns.heatmap(confusion_matrix, annot=True, cmap="Blues", fmt="d", xticklabels=labels, yticklabels=labels)

# 添加坐标轴标签
plt.xlabel("Predicted label")
plt.ylabel("True label")

# 显示图像
plt.show()

运行以上代码，我们可以得到一个热力图，如下所示：


在这个示例中，每一行表示实际类别，每一列表示预测类别。热力图上的数字表示每个类别被正确分类的数量。通过观察热力图，我们可以看到模型对于第二类的分类效果较好，但对于第三类的分类效果较差。