如何可视化混淆矩阵

r混淆矩阵可视化 plot_table = function(x,xlab='Predicted label', ylab='True label', normalize = F){ library(ggplot2) if(!is.table(x)){ warning('input should be a table, not a ', class(x)) x = as.table(x) } if(! 阅读详情
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接: https://blog.youkuaiyun.com/LemonTree_Summer/article/details/82182297

   
  1. import matplotlib.pyplot as plt
  2. import numpy as np
  3. from sklearn.metrics import confusion_matrix
  4. def plot_confusion_matrix(confusion_mat):
  5. plt.imshow(confusion_mat)
  6. plt.title( 'Confusion Matrix')
  7. plt.colorbar()
  8. labels = [ 'a', 'b', 'c', 'd']
  9. tick_marks = np.arange(len(labels))
  10. plt.xticks(tick_marks, labels)
  11. plt.yticks(tick_marks, labels)
  12. plt.ylabel( 'True Label')
  13. plt.xlabel( 'Predicted Label')
  14. plt.show()
  15. if __name__ == '__main__':
  16. y_true = [ 1, 0, 0, 2, 1, 0, 3, 3, 3]
  17. y_pred = [ 1, 1, 0, 2, 1, 0, 1, 3, 3]
  18. confusion_mat = confusion_matrix(y_true, y_pred)
  19. plot_confusion_matrix(confusion_mat)

 

对角线越亮越好

其中y_true: array,  shape=[n_sample]

       y_pred: array, shape=[n_sample]

      confusion_matrix的返回值: array, shaple=[n_classes, n_classes]

混淆矩阵是总结分类模型预测结果的清醒分析表,属于机器学习的范畴,具体以矩阵形式将数据集中的记录按照真实的类别与分类模型作出的分类判断两个标准进行汇总。名字来源于他可以容易的表明多个类别是否有混淆(也就是一个class被预测成另一个class)

结果显示的意义:

 ABCD
A实际A  - 预测A实际A - 预测B实际A - 预测C实际A - 预测D
B实际B - 预测A实际B - 预测B实际B - 预测C实际B - 预测D
C实际C - 预测A实际C - 预测B实际C - 预测C实际C - 预测D
D实际D - 预测A实际D - 预测B

实际D - 预测C

实际D - 预测D

 

Pytorch+Tensorboard混淆矩阵可视化 混淆矩阵是分类任务常用的一种评估方法。尤其是在类别数量不平衡的情况下,相比accuracy,混淆矩阵对哪个类被错误分类具有更直观的解释。 在平时做简单的数据实验时,可以仅用from sklearn.metrics import plot_confusion_matrix或者seaborn对混淆矩阵进行可视化。但是在深度学习训练模型的过程中,在`tensorboard`中可视化混淆矩阵会更方便结果记录和对照。 阅读详情

相关推荐

混淆矩阵——矩阵可视化

举个栗子🌰,我们要区分苹果🍎和凤梨🍐。我们。

余將董道而不豫兮的博客 1261

怎么得到混淆矩阵并把它可视化

怎么得出混淆矩阵,并把它可视化 1、首先需要得到混淆矩阵这个东西。这个混淆矩阵在sklearn.metrics库中,对于一些需要分类后查看分类效果的同学来说,这个可视化必不可少。 这是python。下面展示一些 内联代码片。 // A code block from skelearn.metrics import confusion_matrix import matplotlib.pyplot as plt pred = [1,0,1,2,3,1,0,1,2,3] true = [1,0,1,2,3,1,

qq_38939498的博客 2015

使用R语言绘制混淆矩阵热图的可视化结果

执行上述代码后,将会生成一个混淆矩阵的热图,你可以通过观察不同颜色的单元格来了解模型预测的准确性和误差情况。颜色越深表示预测正确的数量越多,颜色越浅表示预测错误的数量越多。混淆矩阵是评估分类模型性能的常用工具,它展示了模型对不同类别的预测结果和实际标签之间的一致性和偏差。为了更直观地理解混淆矩阵的结果,我们可以使用R语言中的。包中的一个函数,它可以自动适应绘制各种类型的图形。在本例中,我们将使用它来绘制混淆矩阵的热图。参数指定了热图的颜色,这里我们选择了蓝色调(“Blues”)。上述代码中,我们使用。

CodeRoarX的博客 740

pytorch分类模型绘制混淆矩阵及可视化

pytorch分类模型绘制混淆 及可视化

weixin_38468077的博客 2万+

R语言使用yardstick包的conf_mat函数计算多分类(Multiclass)模型的混淆矩阵(confusion matrix)、并使用autoplot函数可视化混淆矩阵的结果heatmap

R语言使用yardstick包的conf_mat函数计算多分类(Multiclass)模型的混淆矩阵(confusion matrix)、并使用autoplot函数可视化混淆矩阵的结果(设置图像类型为heatmap)

data+scenario+science+insight 628

Python可视化混淆矩阵

运行上述代码,我们就可以得到可视化的混淆矩阵。每个单元格中的数值表示模型将样本预测为该行所表示的类别时,该样本真实属于该列所表示的类别的数量。越接近对角线的区域表示模型分类效果越好,反之则表示分类效果不佳。混淆矩阵通过将预测值与真实值进行比较来展示模型对于每个类别的分类效果。本文将介绍如何使用Python生成可视化的混淆矩阵。混淆矩阵是评估分类模型表现的一种重要方法,通过可视化混淆矩阵,我们可以更直观地了解模型的分类效果。接下来,读取模型的预测结果和真实值,并将它们转化为numpy数组。

uote_e的博客 749

混淆矩阵及其可视化

混淆矩阵(Confusion Matrix)是机器学习中用来总结分类模型预测结果的一个分析表,是模式识别领域中的一种常用的表达形式。它以矩阵的形式描绘样本数据的真实属性和分类预测结果类型之间的关系,是用来评价分类器性能的一种常用方法。 我们可以通过一个简单的例子来直观理解混淆矩阵。 通过分类模型我们得到的预测结果以及真实的属性可以通过列表的形式展现, y_pred=["ant", "ant", "...

老肥码码码 6132

可视化混淆矩阵 Python

在实际应用中,我们需要对分类器进行评估并针对分类器的结果做出相应的调整,以获得更准确的预测结果。Python 的 sklearn 库提供了很多方便易用的函数和工具,可以帮助我们轻松地生成和可视化混淆矩阵。通过这个简单的示例,我们可以清楚地展示了 Python 和 sklearn 库如何协同工作,可以帮助我们便捷而快速地生成和可视化混淆矩阵。在可视化混淆矩阵时,我们可以选择生成非标准化或标准化的混淆矩阵。在上面的示例代码中,我们生成了两个不同的混淆矩阵,并加以表明。可视化混淆矩阵 Python。

qq_37934722的博客 433

分类模型confusion matrix混淆矩阵可视化

之前写过一篇关于在scikit-learn工具包中,可视化estimator分类模型分类结果的confusion matrix混淆矩阵可视化的方法,具体可以参考看这里,看这里。今天这篇介绍一下如何使用scikit-learn工具中提供的相关方法,可视化其他任意框架(比如深度学习框架)的分类模型预测结果的混淆矩阵。 下面先说一下几个关键步骤: 1、确定类别列表,类别列表和one-hot的编码顺序一致,这里使用cifar-10的类别列表作为演示的例子。 classes =...

胖胖大海的博客 1万+

OSMDroid 切换地图不更新的问题

用OSMDroid加载Google地图的时候 需要有按钮切换不同图层的地图,如果发现调用了mMapView.setTileSource(ITileSource aTileSource)方法的时候发现地图View没有更新的话,可能是因为两个实例化TileSource对象其子类BitmapTileSourceBase这个类的aName成员变量值一样导致的地图在setTileSource出现不更新问题,...

godoge的博客 1040

SAR成像处理基本知识2——图像尺寸与回波尺寸的关系

阅读本文前,请先了解上一篇文章(SAR成像处理基本知识1——常用专用名词解释) 1. SAR图像尺寸预估方法 以C波段2m@20km的SAR图像为例,假设天线中心下视角为35° ,说明图像尺寸的估计方法。 1.1 距离向尺寸估计 地距分辨率为2m时,距离向分辨率约为1.15m,则要求信号带宽不小于130MHz,假设信号带宽为150MHz,采样率为180MHz,那么距离向分辨单元为0.833m。 地距幅宽为20km时,距离向幅宽约为20*sind(3...

爱学习的小伟的博客 4956

混淆矩阵生成及其可视化

目的:传入两个数组(真实值和预测结果),计算混淆矩阵并使用matplotlib可视化出来 参考自《PyTorch 模型训练实用教程》 作者:余霆嵩    https://github.com/tensor-yu/PyTorch_Tutorial import numpy as np import os import matplotlib.pyplot as plt cls_num=5 l...

海淀小天的blog 1万+

智能车实战——极速越野组GPS与惯导融合定位导航全解析

本文深入解析了智能车极速越野组中GPS与惯导模块的融合定位导航技术。通过对比GPS的全局定位与惯导的高频姿态感知,详细阐述了如何利用MM32SPN27主控,将两者数据融合以实现精准、实时的车辆控制。内容涵盖硬件选型、软件数据处理、PID控制及系统调试等实战环节,为智能车开发者提供了一套完整的解决方案。

pz8901234的博客 1204

python 混淆矩阵可视化

python 混淆矩阵 可视化

颹蕭蕭 5834

从零开始之stm32之CAN通信

CAN通信极简教程(小白友好版),从小白的视角了解并实现简单的STM32F103的CAN通信,直接上手。

qq_30993593的博客 1311

SAP WMS开发实战:用BAPI_L_TO_CREATE_MULTIPLE搞定LT01转储单(附完整代码)

本文详细解析了SAP WMS开发中如何利用BAPI_L_TO_CREATE_MULTIPLE函数模块批量创建LT01转储单。文章深入剖析了核心参数、常见错误及实战代码框架,重点强调了源/目标存储类型等关键字段的获取方法,为系统集成与自动化流程开发提供了可靠的解决方案。

view3的博客 563

混淆矩阵、准确率、F1和召回率的具体实现及混淆矩阵的可视化

混淆矩阵、准确率、精确率、召回率、F1的计算具体实现和混淆矩阵的可视化

a645676的博客 7792

HDMI接口技术解析:从基础到应用

本文深入解析HDMI接口技术,从其发展历程、物理结构到传输原理,全面剖析HDMI如何成为影音传输的主流标准。通过对比不同版本的带宽升级和实际应用案例,展示HDMI在4K/8K视频传输中的卓越性能,并分享硬件设计中的实战经验与避坑指南。

weixin_30485379的博客 375

python实现混淆矩阵_Python - 混淆矩阵可视化实现

主要是汇总几种关于多分类问题中的混淆矩阵可视化Python 实现.最简单的一种是直接在终端打印混淆矩阵结果,如:import sysdef confusion_matrix(gt_labels, pred_labels, num_labels):from sklearn.metrics import confusion_matrixconf_matrix = confusion_matrix(gt...

weixin_39884738的博客 2310

IC 笔试真题之吾见——华为实习(1)

前言 今天(2022 04 07)刚建立了一个专栏《IC真题之吾见》,准备记录一些IC真题的见解,为以后找工作做一点准备。 刷题绝不是目的,以题代练,以题代学。 题目来自师兄申请 华为实习“设计”岗位 的笔试真题。 见解大部分来自自己学习的理解,也有部分超纲知识是网络检索得到,希望可以多多在评论区留言交流,共同进步! 有问题的地方也希望可以直接批评指正! 后面也会同步更新此专栏! 1、下列有关时序分析的描述正确的是() A. recovery时间,是指异步控制信号在有效时钟沿到达之后必须保持

记录所学,分享知识,结识挚友 8637

rk3588 适配音频解码芯片 ALC5616

在 RK3588 的高性能方案中,选择 **ALC5616**(来自 Realtek 瑞昱)通常意味着项目更侧重于**音频性能的稳定性**以及**全球供应链的通用性**。

weixin_35723192的博客 147

可视化混淆矩阵

可视化混淆矩阵

weixin_42754274的博客 336

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

python混淆矩阵可视化【热力图】

python混淆矩阵可视化【热力图】依赖包对比方法1方法2方法3讨论色彩映射 依赖包 seaborn 和 matplotlib 已经提供了很多种绘制方法了,后文各种方法都是围绕着这个进行的 import itertools import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt   对比 下面将给出三种实现方法,效果图分别为: 方法1: 方法2: 方法3: 【

weixin_43550531的博客 2万+

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

python使用sklearn的ConfusionMatrixDisplay来可视化混淆矩阵

python使用sklearn的ConfusionMatrixDisplay来可视化混淆矩阵 目录 python使用sklearn的ConfusionMatrixDisplay来可视化混淆矩阵 #模型构建 #ConfusionMatrixDisplay来可视化混淆矩阵 #模型构建 print(__doc__) from sklearn.datasets import fetch_openml from sklearn.preprocessing import StandardScale

data+scenario+science+insight 1万+

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

上一篇: python中range函数
下一篇: 绘制学习曲线——plot_learning_curve
AI_Rancho
博客等级 码龄10年 63粉丝 50原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值