Matplotlib繪制混淆矩陣的實現(xiàn)
發(fā)布日期：2022-04-04 09:52 | 文章來源：源碼中國
對于機器學習多分類模型來說，其評價指標除了精度之外，常用的還有混淆矩陣和分類報告，下面來展示一下如何繪制混淆矩陣，這在論文中經(jīng)常會用到。
代碼如下：
import itertools
import matplotlib.pyplot as plt
import numpy as np
# 繪制混淆矩陣
def plot_confusion_matrix(cm, classes, normalize=False, title='Confusion matrix', cmap=plt.cm.Blues):
"""
- cm : 計算出的混淆矩陣的值
- classes : 混淆矩陣中每一行每一列對應(yīng)的列
- normalize : True:顯示百分比, False:顯示個數(shù)
"""
if normalize:
cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]
print("顯示百分比：")
np.set_printoptions(formatter={'float': '{: 0.2f}'.format})
print(cm)
else:
print('顯示具體數(shù)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版本問題，如果不加下面這行代碼，則繪制的混淆矩陣上下只能顯示一半，有的版本的matplotlib不需要下面的代碼，分別試一下即可
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()
測試數(shù)據(jù)：
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']
第一種情況：顯示百分比
plot_confusion_matrix(cnf_matrix, classes=attack_types, normalize=True, title='Normalized confusion matrix')
效果：
第二種情況：顯示數(shù)字
plot_confusion_matrix(cnf_matrix, classes=attack_types, normalize=False, title='Normalized confusion matrix')
效果：
到此這篇關(guān)于Matplotlib繪制混淆矩陣的實現(xiàn)的文章就介紹到這了,更多相關(guān)Matplotlib 混淆矩陣內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來源標注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非maisonbaluchon.cn所屬的服務(wù)器上建立鏡像，否則將依法追究法律責任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學習參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。
相關(guān)文章
關(guān)注官方微信