如何在Python中绘制混淆矩阵,类似于这里所示的混淆矩阵,并使用给定的混淆矩阵值进行绘制?
在代码中,他们使用sklearn.metrics.plot_confusion_matrix
方法基于真实结果和预测计算混淆矩阵。
但是在我的情况下,我已经计算出了我的混淆矩阵。例如,我的混淆矩阵为(以百分比表示):
[[0.612, 0.388]
[0.228, 0.772]]
如何在Python中绘制混淆矩阵,类似于这里所示的混淆矩阵,并使用给定的混淆矩阵值进行绘制?
在代码中,他们使用sklearn.metrics.plot_confusion_matrix
方法基于真实结果和预测计算混淆矩阵。
但是在我的情况下,我已经计算出了我的混淆矩阵。例如,我的混淆矩阵为(以百分比表示):
[[0.612, 0.388]
[0.228, 0.772]]
我看到已经有人回答了这个问题,但我添加了一个新的答案,可能对作者或其他用户有用。
在 Python 中,可以使用 mlxtend
包计算后的已知混淆矩阵来进行绘图:
Mlxtend
(机器学习扩展)是一个Python库,提供了日常数据科学任务中有用的工具。
代码段:
# Imports
from mlxtend.plotting import plot_confusion_matrix
import matplotlib.pyplot as plt
import numpy as np
# Your Confusion Matrix
cm = np.array([[0.612, 0.388],
[0.228, 0.772]])
# Classes
classes = ['class A', 'class B']
figure, ax = plot_confusion_matrix(conf_mat = cm,
class_names = classes,
show_absolute = False,
show_normed = True,
colorbar = True)
plt.show()
sklearn.metrics.plot_confusion_matrix
的源代码,可以看到数据是如何处理以创建绘图的。 然后,您可以重复使用构造函数ConfusionMatrixDisplay
并绘制自己的混淆矩阵。import matplotlib.pyplot as plt
from sklearn.metrics import ConfusionMatrixDisplay
cm = [0.612, 0.388, 0.228, 0.772] # your confusion matrix
ls = [0, 1] # your y labels
disp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=ls)
disp.plot(include_values=include_values, cmap=cmap, ax=ax, xticks_rotation=xticks_rotation)
plt.show()
cm = np.array([[tn,fp], [fn,tp]])
,其中我将其转换为numpy数组。我还创建了代表真假阳性和阴性的变量。 - Jimboimport numpy as np
import seaborn as sns; sns.set_theme()
sns.set(font_scale=2)
def plot_matrix(cm, classes, title):
ax = sns.heatmap(cm, cmap="Blues", annot=True, xticklabels=classes, yticklabels=classes, cbar=False)
ax.set(title=title, xlabel="predicted label", ylabel="true label")
并使用:
cm = np.array([[0.612, 0.388], [0.228, 0.772]])
classes = ['class A', 'class B']
title = "title example"
plot_matrix(cm, classes, title)
figure
应该改为fig
。 - tumultous_rooster