这篇教程matplotlib画混淆矩阵与正确率曲线的实例代码写得很实用，希望能帮到您。
混淆矩阵
混淆矩阵(Confusion Matrix)是机器学习中用来总结分类模型预测结果的一个分析表，是模式识别领域中的一种常用的表达形式。它以矩阵的形式描绘样本数据的真实属性和分类预测结果类型之间的关系，是用来评价分类器性能的一种常用方法。 我们可以通过一个简单的例子来直观理解混淆矩阵 #!/usr/bin/python3.5# -*- coding: utf-8 -*-import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['FangSong'] #可显示中文字符plt.rcParams['axes.unicode_minus']=Falseclasses = ['a','b','c','d','e','f','g']confusion_matrix = np.array([(99,1,2,2,0,0,6),(1,98,7,6,2,1,1),(0,0,86,0,0,2,0),(0,0,0,86,1,0,0),(0,0,0,1,94,1,0),(0,1,5,1,0,96,8),(0,0,0,4,3,0,85)],dtype=np.float64) plt.imshow(confusion_matrix, interpolation='nearest', cmap=plt.cm.Oranges) #按照像素显示出矩阵plt.title('混淆矩阵')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(7)] for i in range(7)],(confusion_matrix.size,2))for i, j in iters: plt.text(j, i, format(confusion_matrix[i, j]),fontsize=7) #显示对应的数字 plt.ylabel('真实类别')plt.xlabel('预测类别')plt.tight_layout()plt.show()正确率曲线 fig ,ax= plt.subplots() plt.plot(np.arange(iterations), fig_acc，'b') plt.plot(np.arange(iterations), fig_realacc, 'r') ax.set_xlabel('迭代次数') ax.set_ylabel('正确率（%）') labels = ["训练正确率", "测试正确率"] # labels = [l.get_label() for l in lns] plt.legend( labels, loc=7) plt.show()总结到此这篇关于matplotlib画混淆矩阵与正确率曲线的文章就介绍到这了,更多相关matplotlib画混淆矩阵内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
pytorch预测之解决多次预测结果不一致问题
pytorch通过训练结果的复现设置随机种子 |
