如何绘制混淆矩阵？

Question

我正在使用scikit-learn对22000个文本文档进行100类别的分类。我使用了scikit-learn的混淆矩阵方法来计算混淆矩阵。

model1 = LogisticRegression()
model1 = model1.fit(matrix, labels)
pred = model1.predict(test_matrix)
cm=metrics.confusion_matrix(test_labels,pred)
print(cm)
plt.imshow(cm, cmap='binary')

这是我的混淆矩阵：

[[3962  325    0 ...,    0    0    0]
 [ 250 2765    0 ...,    0    0    0]
 [   2    8   17 ...,    0    0    0]
 ..., 
 [   1    6    0 ...,    5    0    0]
 [   1    1    0 ...,    0    0    0]
 [   9    0    0 ...,    0    0    9]]

然而，我没有得到一个清晰或易读的情节。有没有更好的方法来做到这一点？

- minks

---

请查看此答案，其中包含纯Matplotlib代码：https://dev59.com/QG025IYBdhLWcg3wvIu2#74152927 - SomethingSomething

Answer 1

你可以使用plt.matshow()代替plt.imshow()，或者你可以使用 seaborn 模块的 heatmap （查看文档）来绘制混淆矩阵。

import seaborn as sn
import pandas as pd
import matplotlib.pyplot as plt
array = [[33,2,0,0,0,0,0,0,0,1,3], 
        [3,31,0,0,0,0,0,0,0,0,0], 
        [0,4,41,0,0,0,0,0,0,0,1], 
        [0,1,0,30,0,6,0,0,0,0,1], 
        [0,0,0,0,38,10,0,0,0,0,0], 
        [0,0,0,3,1,39,0,0,0,0,4], 
        [0,2,2,0,4,1,31,0,0,0,2],
        [0,1,0,0,0,0,0,36,0,2,0], 
        [0,0,0,0,0,0,1,5,37,5,1], 
        [3,0,0,0,0,0,0,0,0,39,0], 
        [0,0,0,0,0,0,0,0,0,0,38]]
df_cm = pd.DataFrame(array, index = [i for i in "ABCDEFGHIJK"],
                  columns = [i for i in "ABCDEFGHIJK"])
plt.figure(figsize = (10,7))
sn.heatmap(df_cm, annot=True)

- bninopaul

---

mask_bad = X.mask if np.ma.is_masked(X) else np.isnan(X) # Mask nan's. TypeError: 输入类型不支持ufunc 'isnan'，根据强制转换规则“safe”，输入无法安全地强制转换为任何支持的类型。 - Gulzar

如果有三位或更多位的数字，它会以正常形式打印，例如对于340，会打印为3.4e+02，这是由于默认的fmt参数。将其设置为类似于sn.heatmap(df_cm, annot=True, fmt='.10g')可以解决这个问题。 - undefined

Answer 2

@bninopaul的回答并不完全适合初学者

以下是你可以“复制并运行”的代码

import seaborn as sn
import pandas as pd
import matplotlib.pyplot as plt

array = [[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(array, range(6), range(6))
# plt.figure(figsize=(10,7))
sn.set(font_scale=1.4) # for label size
sn.heatmap(df_cm, annot=True, annot_kws={"size": 16}) # font size

plt.show()

- user1644018

---

补充一点，如果需要自定义 x 和 y 标签，请将 df_cm 行替换为以下内容：df_cm = pd.DataFrame(array, index=["阶段1", "阶段2", "阶段3", "阶段4"], columns=["阶段1", "阶段2", "阶段3", "阶段4"])。请注意，这不会改变原文的意思。 - Arun Das

我不明白这个答案为什么更适合“初学者”？它基本上和bninopaul的回答一样。 - David Skarbrevik

混淆矩阵是“初学者级别的”。@DavidSkarbrevik ;) - n1k31t4

Answer 3

如果您想要在混淆矩阵中包含“总列”和“总行”的更多数据，以及每个单元格中的百分比（%），类似于Matlab默认情况下的方式（见下图），请使用{{ }}占位符。

包括热力图和其他选项...

你应该享受上面的模块，在Github上分享;)

https://github.com/wcipriano/pretty-print-confusion-matrix

---

这个模块可以轻松完成您的任务，并使用许多参数生成上面的输出，以自定义您的CM：

- Wagner Cipriano

---

嗨，谢谢您！您能批准这个PR吗？使用pip安装会更加方便：https://github.com/wcipriano/pretty-print-confusion-matrix/pull/11 - Ian

你好 Ian！好的，我会检查并批准你的 PR，感谢合作 ; ) - Wagner Cipriano

不是我的PR，但感谢您的批准！ :) - Ian

好的，这是PR 11（使软件包可通过PyPI安装）。 我在这个帖子中看到了你的评论，谢谢！ - Wagner Cipriano