cnn 混淆矩阵 Python

卷积神经网络（Convolutional Neural Network，CNN）是一种前馈神经网络，通常用于处理具有类似网格结构的数据。CNN在图像和语音识别方面表现出色。混淆矩阵是一种可视化工具，用于评估分类模型的性能。在CNN中，混淆矩阵可以用来评估模型对不同类别的分类准确性。

以下是使用Python中的sklearn库绘制CNN混淆矩阵的示例代码：

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

# 假设有3个类别，预测结果存储在y_pred中，真实标签存储在y_true中
y_pred = [0, 1, 2, 0, 1, 2, 0, 1, 2]
y_true = [0, 1, 2, 1, 2, 0, 2, 0, 1]

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

# 绘制混淆矩阵
plt.imshow(cm, interpolation='nearest', cmap=plt.cm.Blues)
plt.colorbar()
tick_marks = np.arange(3)
plt.xticks(tick_marks, ['Class 0', 'Class 1', 'Class 2'], rotation=45)
plt.yticks(tick_marks, ['Class 0', 'Class 1', 'Class 2'])
plt.xlabel('Predicted Label')
plt.ylabel('True Label')
plt.show()

该代码将绘制一个3x3的混淆矩阵，其中行表示真实标签，列表示预测标签。对角线上的数字表示正确分类的样本数，其他数字表示错误分类的样本数。