python决策树结果绘制混淆矩阵

要绘制混淆矩阵，首先需要计算出测试数据集的真实标签和预测标签，然后使用sklearn库的confusion_matrix函数计算混淆矩阵，最后使用matplotlib库绘制混淆矩阵图。

以下是一个简单的示例代码：

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

# 假设y_true为真实标签，y_pred为预测标签
y_true = [0, 1, 0, 1, 1, 0]
y_pred = [0, 1, 1, 1, 0, 0]

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

# 绘制混淆矩阵图
plt.imshow(cm, cmap=plt.cm.Blues)
plt.title('Confusion matrix')
plt.colorbar()

tick_marks = [0, 1]
plt.xticks(tick_marks, ['0', '1'])
plt.yticks(tick_marks, ['0', '1'])

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

# 在方格中添加数字
thresh = cm.max() / 2.
for i in range(cm.shape[0]):
    for j in range(cm.shape[1]):
        plt.text(j, i, format(cm[i, j], 'd'),
                 horizontalalignment="center",
                 color="white" if cm[i, j] > thresh else "black")

plt.tight_layout()
plt.show()

这段代码会生成一个混淆矩阵图，其中每个方格代表真实标签和预测标签的组合，方格中的数字表示该组合出现的次数。