混淆矩阵 python实现
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 as plt
import numpy as np#labels表示你不同类别的代号,比如这里的demo中有13个类别
labels = ['A', 'B', 'C', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O']'''
具体解释一下re_label.txt和pr_label.txt这两个文件,比如你有100个样本
去做预测,这100个样本中一共有10类,那么首先这100个样本的真实label你一定
是知道的,一共有10个类别,用[0,9]表示,则re_label.txt文件中应该有100
个数字,第n个数字代表的是第n个样本的真实label(100个样本自然就有100个
数字)。
同理,pr_label.txt里面也应该有1--个数字,第n个数字代表的是第n个样本经过
你训练好的网络预测出来的预测label。
这样,re_label.txt和pr_label.txt这两个文件分别代表了你样本的真实label和预测label,然后读到y_true和y_pred这两个变量中计算后面的混淆矩阵。当然,不一定非要使用这种txt格式的文件读入的方式,只要你最后将你的真实
label和预测label分别保存到y_true和y_pred这两个变量中即可。
'''
y_true = np.loadtxt('../Data/re_label.txt')
y_pred = np.loadtxt('../Data/pr_label.txt')tick_marks = np.array(range(len(labels))) + 0.5def plot_confusion_matrix(cm, title='Confusion Matrix', cmap=plt.cm.binary):plt.imshow(cm, interpolation='nearest', cmap=cmap)plt.title(title)plt.colorbar()xlocations = np.array(range(len(labels)))plt.xticks(xlocations, labels, rotation=90)plt.yticks(xlocations, labels)plt.ylabel('True label')plt.xlabel('Predicted label')cm = confusion_matrix(y_true, y_pred)
np.set_printoptions(precision=2)
cm_normalized = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]
print cm_normalized
plt.figure(figsize=(12, 8), dpi=120)ind_array = np.arange(len(labels))
x, y = np.meshgrid(ind_array, ind_array)for x_val, y_val in zip(x.flatten(), y.flatten()):c = cm_normalized[y_val][x_val]if c > 0.01:plt.text(x_val, y_val, "%0.2f" % (c,), color='red', fontsize=7, va='center', ha='center')
# offset the tick
plt.gca().set_xticks(tick_marks, minor=True)
plt.gca().set_yticks(tick_marks, minor=True)
plt.gca().xaxis.set_ticks_position('none')
plt.gca().yaxis.set_ticks_position('none')
plt.grid(True, which='minor', linestyle='-')
plt.gcf().subplots_adjust(bottom=0.15)plot_confusion_matrix(cm_normalized, title='Normalized confusion matrix')
# show confusion matrix
plt.savefig('../Data/confusion_matrix.png', format='png')
plt.show()
Result
Instructions
按照代码中的注释将labels、y_true 、y_pred替换为你自己的数据即可
混淆矩阵 python实现相关推荐
- 混淆矩阵-python
conf_mat=np.zeros([5, 5]) # 先定义一个空的混淆矩阵 print("以下是输出的预测值和标签值")print("预测值为:"+str( ...
- Python混淆矩阵可视化:plt.colorbar函数自定义颜色条的数值标签、配置不同情况下颜色条的数值范围以及数据类型(整型、浮点型)
Python混淆矩阵可视化:plt.colorbar函数自定义颜色条的数值标签.配置不同情况下颜色条的数值范围以及数据类型(整型.浮点型) 目录
- Python将classification_report的结论转化为字典(dict)形式并提取模型的灵敏度(sensitivity)、特异度(specificity)、PPV和NPV指标、混淆矩阵图
Python将classification_report的结论转化为字典(dict)形式并提取模型的灵敏度(sensitivity).特异度(specificity).PPV和NPV指标.混淆矩阵图 ...
- Python使用pandas的crosstab函数计算混淆矩阵并使用Seaborn可视化混淆矩阵实战
Python使用pandas的crosstab函数计算混淆矩阵并使用Seaborn可视化混淆矩阵实战 目录 Python使用pandas的crosstab函数计算混淆矩阵并使用Seaborn可视化混淆 ...
- 混淆矩阵是什么?Python多分类的混淆矩阵计算及可视化(包含原始混淆矩阵及归一化的混淆矩阵):基于skelarn框架iris数据集
混淆矩阵是什么?Python多分类的混淆矩阵计算及可视化(包含原始混淆矩阵及归一化的混淆矩阵):基于skelarn框架iris数据集 目录
- 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 ...
- python多分类混淆矩阵代码_深度学习自学记录(3)——两种多分类混淆矩阵的Python实现(含代码)...
深度学习自学记录(3)--两种多分类混淆矩阵的Python实现(含代码),矩阵,样本,模型,类别,真实 深度学习自学记录(3)--两种多分类混淆矩阵的Python实现(含代码) 深度学习自学记录(3) ...
- python 混淆矩阵_绘制混沌矩阵
python因为有各种库的支持,所以功能格外强大.在可视化方面,目前用得较多的是matplotlib.在基于matplotlib.pyplot画带色标(colorbar)的图时候,往往为了美观和科研用 ...
- python绘制混淆矩阵_如何实现python绘制混淆矩阵?
大家从python基础到如今的入门,想必都对python有一定基础,今天小编给大家带来一个关于python的高阶内容--绘制混淆矩阵,一起来看下吧~ 介绍: 混淆矩阵通过表示正确/不正确标签的计数来表 ...
最新文章
- 联想服务器进入系统一直在lenovo界面,电脑一直停在lenovo界面该如何解决
- java iostream_【JAVA】IOStream
- truncate table
- hashmap 遍历_这21个刁钻的HashMap面试题,我把阿里面试官吊打了
- MySQL Table--独立表空间
- 挂载nfs文件系统_综合架构-day38-NFS服务补充
- 斗地主AI算法——第十四章の主动出牌(3)
- SpringBoot 如何配置静态资源的地址与访问路径
- java基础基本数据类型对象包装
- 8.22 NOIP模拟测试29(B) 爬山+学数数+七十和十七
- 第 2 章 Readme
- mysql servlet登录验证_使用Servlet和jdbc创建用户登录验证
- Pr学习笔记——添加字幕流
- Dr.com校园网客户端故障解决方法
- iOS审核被拒含义及应对措施-长文
- 伯努利分布、泊松分布
- win10计算机安全模式怎么,Win10系统电脑进入安全模式的两种方法
- 来看看最全的“css布局”喽
- ECharts 地图绘制
- PC企业微信HOOK接口,获取指定好友的详细信息