较为复杂的混淆矩阵绘制代码

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。