使用plot_confusion_matrix绘制多个混淆矩阵。

Question

我正在使用 sklearn.metrics 中的 plot_confusion_matrix。我想把这些混淆矩阵像子图一样并排显示，应该怎么做？

- Suzy

Answer 1

我们可以使用经典的鸢尾花数据集来重现这个过程，并拟合多个分类器以绘制它们各自的混淆矩阵，使用plot_confusion_matrix函数：

from sklearn.ensemble import AdaBoostClassifier, GradientBoostingClassifier
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from matplotlib import pyplot as plt
from sklearn.datasets import load_iris
from sklearn.metrics import plot_confusion_matrix

data = load_iris()
X = data.data
y = data.target

设置 -

X_train, X_test, y_train, y_test = train_test_split(X, y)
classifiers = [LogisticRegression(solver='lbfgs'), 
               AdaBoostClassifier(),
               GradientBoostingClassifier(), 
               SVC()]
for cls in classifiers:
    cls.fit(X_train, y_train)

因此，您可以通过使用plt.subplots创建一组子图，在视觉上比较所有矩阵。然后迭代轴对象和训练过的分类器（plot_confusion_matrix期望它们作为输入），并绘制各个混淆矩阵：

fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(15,10))

for cls, ax in zip(classifiers, axes.flatten()):
    plot_confusion_matrix(cls, 
                          X_test, 
                          y_test, 
                          ax=ax, 
                          cmap='Blues',
                         display_labels=data.target_names)
    ax.title.set_text(type(cls).__name__)
plt.tight_layout()  
plt.show()

---

- yatu

---

函数 plot_confusion_matrix 在版本 1.0 中已经弃用，并将在版本 1.2 中被移除。请使用以下类方法之一：ConfusionMatrixDisplay.from_predictions 或 ConfusionMatrixDisplay.from_estimator。 - Tonechas

Answer 2

如果您想要的输出是这样的，这是我看到多个混淆矩阵（confusion_matrix）并排显示的方法，使用ConfusionMatrixDisplay。

注意：在metrics.confusion_matrix()函数中粘贴您自己的测试和训练数据名称。

fig, ax = plt.subplots(1, 2)
ax[0].set_title("test")
ax[1].set_title("train")

metrics.ConfusionMatrixDisplay(
    confusion_matrix=metrics.confusion_matrix(y_test, y_pred), 
    display_labels=[False, True]).plot(ax=ax[0])

metrics.ConfusionMatrixDisplay(
    confusion_matrix=metrics.confusion_matrix(y_train, y_train_pred), 
    display_labels=[False, True]).plot(ax=ax[1])

- Harun Yüksel