對于機器學(xué)習(xí)多分類模型來說，其評價指標(biāo)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']
plot_confusion_matrix(cnf_matrix, classes=attack_types, normalize=True, title='Normalized confusion matrix')
效果：
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)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
標(biāo)簽：駐馬店 山東 成都 六盤水 宿遷 江蘇 常州 蘭州
巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《Matplotlib繪制混淆矩陣的實現(xiàn)》，本文關(guān)鍵詞 Matplotlib,繪制,混淆,矩陣,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題，煩請?zhí)峁┫嚓P(guān)信息告之我們，我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無關(guān)。
