如何可视化混淆矩阵

最新推荐文章于 2025-05-08 08:32:31 发布

AI_Rancho

最新推荐文章于 2025-05-08 08:32:31 发布

阅读量1.1k

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习

原文链接：https://blog.youkuaiyun.com/lemontree_summer/article/details/82182297

机器学习专栏收录该内容

24 篇文章

订阅专栏

本文详细介绍了如何使用Python的matplotlib和sklearn库来绘制混淆矩阵，并解析其在机器学习分类任务中的意义。通过实例展示了混淆矩阵的生成及可视化过程，帮助理解模型预测的准确性和各类别的混淆情况。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文链接： https://blog.youkuaiyun.com/LemonTree_Summer/article/details/82182297


   
     
      
     
     
      
       import matplotlib.pyplot 
       as plt
      
     

     
      
     
     
      
       import numpy 
       as np
      
     

     
      
     
     
      
       from sklearn.metrics 
       import confusion_matrix
      
     

     
      
     
     
      
       def plot_confusion_matrix(confusion_mat):
      
     

     
      
     
     
      
           plt.imshow(confusion_mat)
      
     

     
      
     
     
      
           plt.title(
       'Confusion Matrix')
      
     

     
      
     
     
      
           plt.colorbar()
      
     

     
      
     
     
          
      
     

     
      
     
     
      
           labels = [
       'a', 
       'b', 
       'c', 
       'd']
      
     

     
      
     
     
      
           tick_marks = np.arange(len(labels))
      
     

     
      
     
     
      
           plt.xticks(tick_marks, labels)
      
     

     
      
     
     
      
           plt.yticks(tick_marks, labels)
      
     

     
      
     
     
      
           plt.ylabel(
       'True Label')
      
     

     
      
     
     
      
           plt.xlabel(
       'Predicted Label')
      
     

     
      
     
     
      
           plt.show()
      
     

     
      
     
     
      
       if __name__ == 
       '__main__':
      
     

     
      
     
     
      
           y_true = [
       1, 
       0, 
       0, 
       2, 
       1, 
       0, 
       3, 
       3, 
       3]
      
     

     
      
     
     
      
           y_pred = [
       1, 
       1, 
       0, 
       2, 
       1, 
       0, 
       1, 
       3, 
       3]
      
     

     
      
     
     
      
           confusion_mat = confusion_matrix(y_true, y_pred)
      
     

     
      
     
     
      
           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：

	A	B	C	D
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