利用python画混淆矩阵

我们在这里提供两种不同的应用场合：

1.如果你已经通过实验后有了矩阵数据，那么就可以直接利用这一方法，源码如下：

from sklearn.metrics import confusion_matrix    # 生成混淆矩阵函数
import matplotlib.pyplot as plt    # 绘图库
import numpy as npdef plot_confusion_matrix(cm, labels_name, title):cm = cm / cm.sum(axis=1)[:, np.newaxis]    # 归一化plt.imshow(cm, interpolation='nearest')    # 在特定的窗口上显示图像plt.title(title)    # 图像标题plt.colorbar()num_class = np.array(range(len(labels_name)))#获取标签的间隔数    plt.xticks(num_class, labels_name, rotation=90)    # 将标签印在x轴坐标上plt.yticks(num_class, labels_name)    # 将标签印在y轴坐标上plt.ylabel('True label')    plt.xlabel('Predicted label')plt.show()#这里cm为你事先已经获得矩阵数据，一般为list类型
cm = [[5, 0, 0, 0],[1, 4, 0, 0],[0, 0, 5, 0],[1, 0, 0, 2]]
cm = np.array(cm) #将list类型转换成数组类型，如果已经是numpy数组类型，则忽略此步骤。
labels_name = ['1','2','3','4']#这里个横纵坐标标签集合赋值
plot_confusion_matrix(cm,labels_name,"confusion_matrix")#调用函数

结果如图：

2.如果你是在训练网络的过程中想要在训练结束后绘制混淆矩阵，那么就需在上面的代码上稍作修改：

from sklearn.metrics import confusion_matrix    # 生成混淆矩阵函数
import matplotlib.pyplot as plt    # 绘图库
import numpy as np
import tensorflow as tfdef plot_confusion_matrix(cm, labels_name, title):cm = cm / cm.sum(axis=1)[:, np.newaxis]    # 归一化plt.imshow(cm, interpolation='nearest')    # 在特定的窗口上显示图像plt.title(title)    # 图像标题plt.colorbar()num_class = np.array(range(len(labels_name)))#获取标签的间隔数    plt.xticks(num_class, labels_name, rotation=90)    # 将标签印在x轴坐标上plt.yticks(num_class, labels_name)    # 将标签印在y轴坐标上plt.ylabel('True label')    plt.xlabel('Predicted label')plt.show()#这里通过list类型的标签数据来生成混淆矩阵
y_true = [.......] #这里要想办法将你的实际标签类别转换成list类型
pred_y = [.......] #这里要想办法将你的预测标签类别转换成list类型，一般网络的最后一层通常是类别，这里根据你的网络来获得
cm = confusion_matrix(y_true,pred_y)cm = np.array(cm) #将list类型转换成数组类型，如果已经是numpy数组类型，则忽略此步骤。
labels_name = ['1','2','3','4']#这里个横纵坐标标签集合赋值
plot_confusion_matrix(cm,labels_name,"confusion_matrix")#调用函数

实验结果与上图类似。

利用python画混淆矩阵相关推荐

利用python绘制混淆矩阵
利用python绘制混淆矩阵,直接附代码. from sklearn.metrics import confusion_matrix import matplotlib.pyplot as plty_ ...
python画混淆矩阵 confusion matrix
sklearn.metrics.plot_confusion_matrix可以直接画混淆矩阵, 但是好像要传入sklearn的classifier. 贴一个自己写的函数, 自己定义起来比较方便: de ...
利用matlab画混淆矩阵（confusion matrix）
写论文的过程中经常需要画一个混淆矩阵(confusion matrix)来验证分类结果的有效性.通常只需要两个步骤: - 保存混淆矩阵文本文件 - matlab中使用imagesc命令例如: > ...
python画混淆矩阵图
1. 计算混淆矩阵 from sklearn.metrics import confusion_matrix # 导入计算混淆矩阵的包C1= confusion_matrix(True_label, ...
Python画混淆矩阵热力图（简单示例）
混淆矩阵热力图如下所示: 代码如下: import seaborn as sn #画图模块 from sklearn.metrics import confusion_matrixdef plot_m ...
数据挖掘之利用Python画相关性矩阵图
#导入库 import pandas import seaborn as sns import numpy as np import os import matplotlib.pyplot as pl ...
python混淆矩阵,详解使用python绘制混淆矩阵（confusion_matrix）
这篇文章主要介绍了详解使用python绘制混淆矩阵(confusion_matrix),文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学 ...
用python画动态樱花_利用python画一棵漂亮的樱花树，turtle画图代码大全,此处感谢知乎大佬小白...
利用python画一棵漂亮的樱花树,turtle画图代码大全,此处感谢知乎大佬小白此处感谢知乎大佬小白练手练习一下比较流行的turtle(海龟库) 画一棵漂亮的樱花树,效果如下: ps: 是动态 ...
python画曲线-利用python画出AUC曲线的实例
以load_breast_cancer数据集为例,模型细节不重要,重点是画AUC的代码. 直接上代码: from sklearn.datasets import load_breast_cancer ...

利用python画混淆矩阵

利用python画混淆矩阵相关推荐

最新文章

热门文章