【Python机器学习系列】机器学习多分类任务混淆矩阵可视化

off999 2024-11-08 12:48 16 浏览 0 评论

这是我的第367篇原创文章。

一、引言

混淆矩阵也称误差矩阵，是表示精度评价的一种标准格式，用n行n列的矩阵形式来表示。

二、实现过程

2.1 准备实例数据

数据：

y_true = [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3,
          3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4]
y_pred = [1, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 0, 0, 3, 3, 3, 0, 2, 2, 3, 3, 3, 3,
          3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 4, 4]

y_true为真实值，y_pred为预测值（此处y_true和y_pred仅作举例，随便取的值，有0~4共5个类别）

2.2 计算混淆矩阵

cm = confusion_matrix(y_true, y_pred)
print(cm)

结果：

2.3 转换

转为dataframe：

conf_matrix = pd.DataFrame(cm, index=['1', '2', '3', '4', '5'], columns=['1', '2', '3', '4', '5'])  # 数据有5个类别
print(conf_matrix)

结果：

2.4 绘制

绘制混淆矩阵本质就是绘制热力图：

plt.figure()
sns.heatmap(conf_matrix, annot=True, annot_kws={"size": 14}, cmap="Blues")
plt.ylabel('True label', fontsize=14)
plt.xlabel('Predicted label', fontsize=14)
plt.xticks(fontsize=14)
plt.yticks(fontsize=14)
plt.savefig('confusion.pdf', bbox_inches='tight')
plt.show()

结果：