较为复杂的混淆矩阵绘制代码
时间: 2023-12-10 09:32:36 浏览: 30
为了绘制较为复杂的混淆矩阵,我们可以使用Python中的matplotlib库。下面是一个示例代码,可以绘制出一个包含标签和颜色的混淆矩阵图表:
```
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 itertools.product(range(cm.shape[0]), range(cm.shape[1])):
plt.text(j, i, format(cm[i, j], fmt),
horizontalalignment="center",
color="white" if cm[i, j] > thresh else "black")
plt.tight_layout()
plt.ylabel('True label')
plt.xlabel('Predicted label')
# Example usage:
# cm = confusion_matrix(y_true, y_pred)
# plot_confusion_matrix(cm, classes=class_names, normalize=True)
```
在这个示例代码中,我们定义了一个名为`plot_confusion_matrix`的函数,它接受一个混淆矩阵`cm`和一个类别列表`classes`作为输入。函数还可以接受一个布尔值`normalize`,用于指定是否对混淆矩阵进行归一化。函数使用matplotlib库绘制混淆矩阵图表,并将其显示在屏幕上。
如果您想要使用这个函数,您需要将其复制到您的代码中,并根据您的需要进行修改。您还需要导入必要的库,例如numpy和itertools。