
混淆矩阵通常长上面这个样子,通过confusion_matrix(y_pred, y_test) 即可调用。在写论文时一般会用小数形式表示,并且会有很好看的可视化效果,如下:

只需要简单几行,即可实现
import seaborn as sns
cm_1 = cm/cm.sum(axis=0) #转换成小数
cm_2 = pd.DataFrame(cm_1, index=['A','B','C']
文章展示了如何利用Python的seaborn库和sklearn.metrics的ConfusionMatrixDisplay模块创建混淆矩阵的可视化。通过转换矩阵并用annot和cmap参数定制,可以生成带有注释和自定义颜色的热力图,帮助理解模型预测性能。

混淆矩阵通常长上面这个样子,通过confusion_matrix(y_pred, y_test) 即可调用。在写论文时一般会用小数形式表示,并且会有很好看的可视化效果,如下:

只需要简单几行,即可实现
import seaborn as sns
cm_1 = cm/cm.sum(axis=0) #转换成小数
cm_2 = pd.DataFrame(cm_1, index=['A','B','C']
2325
286