使用Python绘制混淆矩阵Confusion Matrix、自定义样式 |
您所在的位置：网站首页 › python画矩阵色块图 › 使用Python绘制混淆矩阵Confusion Matrix、自定义样式 |
使用Python绘制混淆矩阵Confusion Matrix、自定义样式
|
使用Python绘制混淆矩阵，原创，直接使用即可，样式可以自由变换。 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。具体评价指标有总体精度、制图精度、用户精度等，这些精度指标从不同的侧面反映了图像分类的精度。 直接上原创代码 # -*- coding: utf-8 -*- """ @Time : 2021/11/18 0:33 @Author : ONER @FileName: plt_cm.py @SoftWare: PyCharm """ #confusion_matrix import numpy as np import pandas as pd import matplotlib.pyplot as plt from matplotlib import rcParams classes = ['W','LS','SWS','REM'] confusion_matrix = np.array([(193,31,0,41),(87,1038,32,126),(17,337,862,1),(17,70,0,638)],dtype=np.int)#输入特征矩阵 proportion=[] for i in confusion_matrix: for j in i: temp=j/(np.sum(i)) proportion.append(temp) # print(np.sum(confusion_matrix[0])) #print(proportion) pshow=[] for i in proportion: pt="%.2f%%" % (i * 100) pshow.append(pt) proportion=np.array(proportion).reshape(4,4) # reshape(列的长度，行的长度) pshow=np.array(pshow).reshape(4,4) #print(pshow) config = { "font.family":'Times New Roman', # 设置字体类型 } rcParams.update(config) plt.imshow(proportion, interpolation='nearest', cmap=plt.cm.Blues) #按照像素显示出矩阵 # (改变颜色：'Greys', 'Purples', 'Blues', 'Greens', 'Oranges', 'Reds','YlOrBr', 'YlOrRd', # 'OrRd', 'PuRd', 'RdPu', 'BuPu','GnBu', 'PuBu', 'YlGnBu', 'PuBuGn', 'BuGn', 'YlGn') plt.title('confusion_matrix') plt.colorbar() tick_marks = np.arange(len(classes)) plt.xticks(tick_marks, classes,fontsize=12) plt.yticks(tick_marks, classes,fontsize=12) thresh = confusion_matrix.max() / 2. #iters = [[i,j] for i in range(len(classes)) for j in range((classes))] #ij配对，遍历矩阵迭代器 iters = np.reshape([[[i,j] for j in range(4)] for i in range(4)],(confusion_matrix.size,2)) for i, j in iters: if(i==j): plt.text(j, i - 0.12, format(confusion_matrix[i, j]), va='center', ha='center', fontsize=12,color='white',weight=5) # 显示对应的数字 plt.text(j, i + 0.12, pshow[i, j], va='center', ha='center', fontsize=12,color='white') else: plt.text(j, i-0.12, format(confusion_matrix[i, j]),va='center',ha='center',fontsize=12) #显示对应的数字 plt.text(j, i+0.12, pshow[i, j], va='center', ha='center', fontsize=12) plt.ylabel('True label',fontsize=16) plt.xlabel('Predict label',fontsize=16) plt.tight_layout() plt.show()效果图：
|
【本文地址】
今日新闻 |
推荐新闻 |