这篇教程Matplotlib绘制混淆矩阵的实现写得很实用，希望能帮到您。
对于机器学习多分类模型来说，其评价指标除了精度之外，常用的还有混淆矩阵和分类报告，下面来展示一下如何绘制混淆矩阵，这在论文中经常会用到。
代码如下： import itertoolsimport matplotlib.pyplot as pltimport numpy as np# 绘制混淆矩阵def plot_confusion_matrix(cm, classes, normalize=False, title='Confusion matrix', cmap=plt.cm.Blues): """ - cm : 计算出的混淆矩阵的值 - classes : 混淆矩阵中每一行每一列对应的列 - normalize : True:显示百分比, False:显示个数 """ if normalize: cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis] print("显示百分比：") np.set_printoptions(formatter={'float': '{: 0.2f}'.format}) print(cm) else: print('显示具体数字：') print(cm) plt.imshow(cm, interpolation='nearest', cmap=cmap) plt.title(title) plt.colorbar() tick_marks = np.arange(len(classes)) plt.xticks(tick_marks, classes, rotation=45) plt.yticks(tick_marks, classes) # matplotlib版本问题，如果不加下面这行代码，则绘制的混淆矩阵上下只能显示一半，有的版本的matplotlib不需要下面的代码，分别试一下即可 plt.ylim(len(classes) - 0.5, -0.5) fmt = '.2f' if normalize else 'd' thresh = cm.max() / 2. for i, j in itertools.product(range(cm.shape[0]), range(cm.shape[1])): plt.text(j, i, format(cm[i, j], fmt), horizontalalignment="center", color="white" if cm[i, j] > thresh else "black") plt.tight_layout() plt.ylabel('True label') plt.xlabel('Predicted label') plt.show()测试数据： cnf_matrix = np.array([[8707, 64, 731, 164, 45], [1821, 5530, 79, 0, 28], [266, 167, 1982, 4, 2], [691, 0, 107, 1930, 26], [30, 0, 111, 17, 42]])attack_types = ['Normal', 'DoS', 'Probe', 'R2L', 'U2R'] 第一种情况：显示百分比plot_confusion_matrix(cnf_matrix, classes=attack_types, normalize=True, title='Normalized confusion matrix') 效果：
第二种情况：显示数字plot_confusion_matrix(cnf_matrix, classes=attack_types, normalize=False, title='Normalized confusion matrix') 效果：
到此这篇关于Matplotlib绘制混淆矩阵的实现的文章就介绍到这了,更多相关Matplotlib 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！
Python基础之模块相关知识总结
教你使用pyinstaller打包Python教程 |
