Python数据相关系数矩阵和热力图轻松实现教程_计算两个二维矩阵相关性 - CSDN文库

42 浏览量更新于2023-05-04 评论 2 收藏 147KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

Python数据相关系数矩阵和热力图轻松实现教程数据相关系数矩阵和热力图轻松实现教程

对其中的参数进行解释对其中的参数进行解释

plt.subplots(figsize=(9, 9))设置画面大小，会使得整个画面等比例放大的

sns.heapmap()这个当然是用来生成热力图的啦

df是DataFrame， pandas的这个类还是很常用的啦~

df.corr()就是得到这个dataframe的相关系数矩阵

把这个矩阵直接丢给sns.heapmap中做参数就好啦

sns.heapmap中annot=True，意思是显式热力图上的数值大小。

sns.heapmap中square=True，意思是将图变成一个正方形，默认是一个矩形

sns.heapmap中cmap=”Blues”是一种模式，就是图颜色配置方案啦，我很喜欢这一款的。

sns.heapmap中vmax是显示最大值

import seaborn as sns

import matplotlib.pyplot as plt

def test(df):

dfData = df.corr()

plt.subplots(figsize=(9, 9)) # 设置画面大小

sns.heatmap(dfData, annot=True, vmax=1, square=True, cmap="Blues")

plt.savefig('./BluesStateRelation.png')

plt.show()

补充知识：补充知识：python混淆矩阵（混淆矩阵（confusion_matrix））FP、、FN、、TP、、TN、、ROC，精确率，精确率(Precision),召回率召回率(Recall),准确率准确率

(Accuracy)详述与实现详述与实现

一、一、FP、、FN、、TP、、TN

你这蠢货，是不是又把酸葡萄和葡萄酸弄“混淆“”啦！！！

上面日常情况中的混淆就是：是否把某两件东西或者多件东西给弄混了，迷糊了。

在机器学习中, 混淆矩阵是一个误差矩阵, 常用来可视化地评估监督学习算法的性能.。混淆矩阵大小为 (n_classes, n_classes)

的方阵, 其中 n_classes 表示类的数量。

其中，这个矩阵的一行表示预测类中的实例（可以理解为模型预测输出，predict），另一列表示对该预测结果与标签

（Ground Truth）进行判定模型的预测结果是否正确，正确为True，反之为False。

在机器学习中ground truth表示有监督学习的训练集的分类准确性，用于证明或者推翻某个假设。有监督的机器学习会对训练

数据打标记，试想一下如果训练标记错误，那么将会对测试数据的预测产生影响，因此这里将那些正确打标记的数据成为

ground truth。

此时，就引入FP、FN、TP、TN与精确率(Precision)，召回率(Recall)，准确率(Accuracy)。

以猫狗二分类为例，假定cat为正例-Positive，dog为负例-Negative；预测正确为True，反之为False。我们就可以得到下面这

样一个表示FP、FN、TP、TN的表：

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余4页未读，立即下载

评论0

weixin_38666300

粉丝: 5
资源: 931

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈