python中confusion matrix visualization, 混淆矩阵可视化

最新推荐文章于 2025-07-11 11:41:04 发布
最新推荐文章于 2025-07-11 11:41:04 发布
阅读量8k 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： machine learning 文章标签： 混淆矩阵 可视化 confusion matrix
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/b876144622/article/details/79871331
本文介绍如何使用seaborn热力图展示混淆矩阵，并提出当类别过多时，可通过聚类提高可视化效果的方法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一般情况下，为了看得更加清楚，需要把混淆矩阵可视化，用图画出来。

对于类别数较少的可以用seaborn中的热力图方式展示。如下：

import seaborn as sn
import pandas as pd
confusion_matrix = [[13,1,1,0,2,0],
     [3,9,6,0,1,0],
     [0,0,16,2,0,0],
     [0,0,0,13,0,0],
     [0,0,0,0,15,0],
     [0,0,1,0,0,15]]    
df_cm = pd.DataFrame(confusion_matrix)

sn.heatmap(df_cm)


关于seaborn热力图的更多内容可以参考博客：http://www.jianshu.com/p/363bbf6ec335


但是，如果类别数太多，这张图画出来之后，区分度也不大，不能解决问题。

可以考虑先对其进行聚类，然后再画图可视化，效果会好一些



使用编写的自定义函数展示混淆矩阵的可视化（R语言）
ByteWhiz的博客
08-11 222
它可以显示模型预测结果和真实标签之间的关系，帮助我们了解分类模型的准确性、召回率、精确率和F1分数等指标。在本文中，我们将介绍如何使用R语言编写一个自定义函数来可视化混淆矩阵。总结起来，本文介绍了如何使用R语言编写一个自定义函数来可视化混淆矩阵。通过混淆矩阵的可视化，我们可以更直观地了解分类模型的性能。运行上述代码后，你将看到输出的混淆矩阵以及准确率、召回率、精确率和F1分数。这个自定义函数首先创建混淆矩阵，然后计算准确率、召回率、精确率和F1分数。函数，我们可以将混淆矩阵可视化为一个热图。
分类结果可视化python_可视化分类结果的另一种方法
weixin_26713521的博客
09-01 4247
分类结果可视化pythonI love good data visualizations. Back in the days when I did my PhD in particle physics, I was stunned by the histograms my colleagues built and how much information was accumulated in on...
混淆矩阵的可视化
huatianxue的博客
08-28 529
import matplotlib.pyplot as plt import numpy as np classes = ['A', 'B', 'C', 'D', 'E'] def plot_confusion_matrix(cm, savename, title='Confusion Matrix'): cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis] # 归一化 plt.figure(figsize=(12, 8), d.
混淆矩阵可视化
a_13572035650的博客
01-19 589
目录一、导入模块二、设置样式三、创建数据四、绘图保存 一、导入模块 import pandas as pd import matplotlib.pyplot as plt import seaborn as sns 二、设置样式 sns.set() #设置默认样式 sns.set_style('whitegrid',{'font.sans-serif':['simhei','Arial']}) #可显示中文 三、创建数据 df = pd.DataFrame([[1496, 12], ..
学习笔记(33):matplotlib绘制简单图表-绘制混淆矩阵热图
最新发布
fen_fen的专栏
07-11 1411
学习笔记(33):matplotlib绘制简单图表-绘制混淆矩阵热图
混淆矩阵的最简单的可视化方法
cc的博客
02-12 1万+
对于混淆矩阵的可视化，网上大部分都是用matplot进行绘制的，效果如下 然而针对这种使用matplot代码的方法，网上找了好几个，都没有绘制成功，而且代码也有点杂。可以使用seaborn进行绘制，简单方便。直接上效果图 贴出代码： import seaborn as sn #得到混淆矩阵 cm = confusion_matrix(y_test_undersample,y_pred_un...
多分类问题中混淆矩阵(Confusion Matrix)的Matlab画法
12-07
Matlab code for computing and visualization: Confusion Matrix, Precision/Recall, ROC, Accuracy, F-Measure etc. for Classification. Matlab通过分类的label计算混淆矩阵Confusion Matrix并且显示的函数只要一句代码就行了，方便。 [confusion_matrix]=compute_confusion_matrix(predict_label,num_in_class,name_class);
Python使用pandas_ml输出混淆矩阵以及从混淆矩阵衍生出来的其他指标：TP、TN、FP、FN、TPR、TNR（SPC）、PPV、NPV、FPR、FDR、FNR、ACC、F1、MCC等
data+scenario+science+insight
09-28 3964
Python使用pandas_ml输出混淆矩阵以及从混淆矩阵衍生出来的其他指标：TP、TN、FP、FN、TPR、TNR（SPC）、PPV、NPV、FPR、FDR、FNR、ACC、F1、MCC等 目录 Python使用pandas_ml输出混淆矩阵以及从混淆矩阵衍生出来的其他指标：TP、TN、FP、FN、TPR、TNR（SPC）、PPV、NPV、FPR、FDR、FNR、ACC、F1、MCC等 #pandas_ml包安装 #pandas_ml包的ConfusionMatrix函数计算混淆矩阵及其衍生
Seaborn - 绘制多标签的混淆矩阵、召回、精准、F1
AGI
07-15 1365
Seaborn-绘制多标签的混淆矩阵、召回、精准、F1。
python绘制三分类混淆矩阵
12-30
对于多类别的分类问题，如三分类问题中的图像识别模型评估，可以利用`sklearn.metrics.confusion_matrix`来计算混淆矩阵，并借助`matplotlib.pyplot.imshow()`函数可视化该矩阵。下面展示一段用于创建并绘出三分类...
混淆矩阵 Python
03-23
### 如何在 Python 中生成和使用混淆矩阵 #### 使用 `confusion_matrix` 函数 在 Python 的机器学习库 `scikit-learn` 中，`confusion_matrix` 是一个非常实用的工具，可以用来评估模型的表现。该函数返回的是一个...
图像分类模型评估之用python绘制混淆矩阵confusion_matrix
weixin_43984636的博客
03-31 6414
import oslabel = filename.split('.')[0] # 假设文件名为"label.image_id.jpg"格式label = label.split('_')[0] # 仅保留label信息# 加载数据集并进行预处理transforms.Resize((224, 224)), # 图像大小调整为224x224transforms.ToTensor(), # 将图像转换为Tensor格式，并将像素值缩放到[0, 1]
100天精通Python丨黑科技篇 —— 21、大语言模型_100天精通python快速入门到黑科技
m0_60452141的博客
04-26 1691
ChatGPT 是 OpenAI 推出的一种基于 GPT-3/4 的聊天机器人。chatgpt 的颠覆性影响主要体现在提高语言交流的便捷性、个性化服务、自动化客服和教育娱乐等方面，这些应用可以为用户带来更多的便利和乐趣，同时也为企业提供了更多的服务和商机。本文收录于，是由的硬核博主倾力打造，分基础知识篇和黑科技应用两大部分，欢迎订阅本专栏，订阅后可私聊进Python全栈VIP交流群（问题解答、互相帮助）还可领取20GPython视频和100本互联网行业电子书。
利用python绘制混淆矩阵
LJC的博客
11-13 5万+
利用python绘制混淆矩阵，直接附代码。 from sklearn.metrics import confusion_matrix import pandas as pd import matplotlib.pyplot as plt y_pred = [] y_true = [] # 对上面进行赋值 C=confusion_matrix(y_true, y_pred, labels=['0','1','2','3','4']) plt.matshow(C, cmap=plt.cm.Reds) #
Python绘图制作混淆矩阵图--简易版（改矩阵参数就能运行）
Mluoo的博客
06-10 5768
好看又简单的混淆矩阵图
python绘制混淆矩阵
梁小憨憨的博客
11-14 8789
之前就了解过混淆矩阵，但是一直没有实践，今天刚好有数据实践一下，这里记录一下代码实现过程，方便以后查阅。
混淆矩阵Python实现 超简单！
土豆大叔的博客
11-30 1万+
Python实现混淆矩阵 废话少说，直接上干货： from sklearn.metrics import confusion_matrix import matplotlib.pyplot as plt plot_confusion_matrix(y_test, y_pred, classes=class_names, normalize=False) # y_test为真实label，y_pred为预测label plot_confusion_matrix函数的具体实现如下，直接复制粘贴到你的代码中即
python绘制混淆矩阵matrix总结以及相关函数详解
gx19990824的博客
01-03 5620
有几个标签就填几个数。如上边两图所示，很明显，如果你类别很少，数字不紧凑的情况下，其实不带边界反而会好看一点，带边界主要是为了解决某些情况，你分类的类别很多，而且你方框里面的数字小数点后保留了蛮多位的时候，它显示的就会比较密，如果不带边界，就容易把两个数看成连着的。里面的两个值，说简单点，就是对应的就是分辨率，只不过是放缩了一百倍，比如我举得这个例子，（25.6，14.4）就是设置的常用的笔记本电脑的标准2k分辨率，也就是2560*1440。第一个参数，我这里的示例用的是test_y，表示你结果的标签。
使用python绘制混淆矩阵（confusion_matrix）
热门推荐
ai-exception的博客
04-22 7万+
Summary 涉及到分类问题，我们经常需要通过可视化混淆矩阵来分析实验结果进而得出调参思路，本文介绍如何利用python绘制混淆矩阵（confusion_matrix），本文只提供代码，给出必要注释。 Code # -*-coding:utf-8-*- from sklearn.metrics import confusion_matrix import matplotlib.pyplot...
评论
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