1. Johngo学长首页
  2. 技术点详细复盘专题
  3. 人工智能

混淆矩阵是什么？Python多分类的混淆矩阵计算及可视化（包含原始混淆矩阵及归一化的混淆矩阵）:基于skelarn框架iris数据集

• 人工智能 • 阅读 95

要将 混淆矩阵 可视化，可以使用 Python_中的matplotlib库。以下是一个简单的示例代码： _python_ import matplotlib.pyplot as plt import numpy as np def plot_confusion_matrix(cm, classes, normalize=False, title='Confusion matrix', cmap=plt.cm.Blues): """ This function prints and plots the confusion matrix. Normalization can be applied by setting normalize=True. """ if normalize: cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis] 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) fmt = '.2f' if normalize else 'd' thresh = cm.max() / 2. for i, j in np.ndindex(cm.shape): plt.text(j, i, format(cm[i, j], fmt), ha="center", va="center", color="white" if cm[i, j] > thresh else "black") plt.tight_layout() plt.ylabel('True label') plt.xlabel('Predicted label') # example usage from _sklearn_.metrics import confusion_matrix, accuracy_score y_true = [1, 0, 1, 1, 0, 1] y_pred = [1, 0, 0, 1, 0, 1] cm = confusion_matrix(y_true, y_pred) accuracy = accuracy_score(y_true, y_pred) plot_confusion_matrix(cm, classes=['0', '1'], normalize=False, title='Confusion matrix') plt.show() print('Accuracy:', accuracy) 在这个例子中，我们使用了scikit-learn库的 _混淆矩阵_和精度评价指标。首先，我们 _计算_出 _混淆矩阵，然后使用我们的plot_confusion_matrix函数将其 可视化。最后，我们打印出精度评价指标。 注意，在上面的代码中，我们使用了一个名为classes的参数，它是一个列表， _包含_了每个类别的名称。如果你的类别名称不是字符串，可以使用相应类型的列表。

Original: https://blog.csdn.net/zhongkeyuanchongqing/article/details/120414540
Author: Data+Science+Insight
Title: 混淆矩阵是什么？Python多分类的混淆矩阵计算及可视化（包含原始混淆矩阵及归一化的混淆矩阵）:基于skelarn框架iris数据集

原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/666583/

转载文章受原作者版权保护。转载请注明原作者出处！

赞 (0)
0

【自取】最近整理的，有需要可以领取学习：



Linux核心资料大放送~

全栈面试题汇总（持续更新&可下载）

一个提高学习100%效率的工具！

【超详细】深度学习面试题目！

LeetCode Python刷题答案下载！

LeetCode Java版刷题答案下载！

LeetCode C++ 版本，抓紧保存！

LeetCode GO语言 刷题答案下载！

大家都在看

亲爱的 Coder【最近整理，可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球