如何用代码可视化一个多分类问题的混淆矩阵
时间: 2024-03-07 13:52:16 浏览: 86
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:
```python
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:
![confusion-matrix-visualization-multiclass](https://img-blog.csdn.net/20180519114433487?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N1bW1lcl9hZG1pbg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/q/70)
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。
阅读全文