Python绘图制作混淆矩阵图--简易版（改矩阵参数就能运行）

混淆矩阵详解：SVM分类实例与不同颜色映射

原创

已于 2023-02-23 15:00:00 修改 · 5.9k 阅读

61 ·

CC 4.0 BY-SA版权

文章标签：

#python #分类

于 2022-06-10 09:29:30 首次发布

本文介绍如何使用SVM算法进行分类，并通过混淆矩阵展示了预测结果。通过实例，演示了如何调整颜色映射，以帮助理解分类性能。特别关注类别为'Rice'和'Others'的混淆情况。

#confusion_matrix
import numpy as np
import matplotlib.pyplot as plt
# classes = ['A','B','C','D','E']
# confusion_matrix = np.array([(9,1,3,4,0),(2,13,1,3,4),(1,4,10,0,13),(3,1,1,17,0),(0,0,0,1,14)],dtype=np.float64)


# 标签
classes=['Rice','Others']

classNamber=2 #类别数量

# 混淆矩阵
confusion_matrix = np.array([
    (67,24),
    (20,89)
    ],dtype=np.float64)

plt.imshow(confusion_matrix, interpolation='nearest', cmap=plt.cm.Blues)  #按照像素显示出矩阵
plt.title('confusion_matrix-SVM')#改图名
plt.colorbar()
tick_marks = np.arange(len(classes))
plt.xticks(tick_marks, classes, rotation=-45)
plt.yticks(tick_marks, classes)

thresh = confusion_matrix.max() / 2.
#iters = [[i,j] for i in range(len(classes)) for j in range((classes))]
#ij配对，遍历矩阵迭代器
iters = np.reshape([[[i,j] for j in range(classNamber)] for i in range(classNamber)],(confusion_matrix.size,2))
for i, j in iters:
    plt.text(j, i, format(confusion_matrix[i, j]),va='center',ha='center')   #显示对应的数字

plt.ylabel('Ture')
plt.xlabel('Pre