动手画混淆矩阵(Confusion Matrix)（含代码） |
您所在的位置：网站首页 › 门票内容怎么画好看 › 动手画混淆矩阵(Confusion Matrix)（含代码） |
动手画混淆矩阵(Confusion Matrix)（含代码）
|
1、混淆矩阵：Confusion Matrix2、怎么画（新）？3、怎么用？
网上关于混淆矩阵的代码参差不齐，没找到可用的线程的代码，所以自己尝试写了下 1、混淆矩阵：Confusion Matrix首先它长这样： 怎么看？ Confusion Matrix最广泛的应用应该是分类，比如图中是7分类的真实标签和预测标签的效果。 首先图中表明了纵轴是truth label，横轴是predicted label，那么对于第一行第一个0.60的含义是：本来是angry标签的图，我的模型正确分类成angry的比例是60%，也即是angry这一类模型分类正确的精度只有60%。同时模型将angry分类成了happy的图占比0.04%，其他的以此类推。 注意：因为本身是angry，模型预测成7种类的数量占比。所以每一行的和为100%。 同时对于fear标签，模型分类成fear的占比41%，分类成sad的占比为20%，我们可以认为模型不能很好区分fear和sad两种类别。 2、怎么画（新）？这里直接给出代码，在下一节中直接使用即可 import numpy as np import matplotlib.pyplot as plt from sklearn.metrics import confusion_matrix def draw_confusion_matrix(label_true, label_pred, label_name, title="Confusion Matrix", pdf_save_path=None, dpi=100): """ @param label_true: 真实标签，比如[0,1,2,7,4,5,...] @param label_pred: 预测标签，比如[0,5,4,2,1,4,...] @param label_name: 标签名字，比如['cat','dog','flower',...] @param title: 图标题 @param pdf_save_path: 是否保存，是则为保存路径pdf_save_path=xxx.png | xxx.pdf | ...等其他plt.savefig支持的保存格式 @param dpi: 保存到文件的分辨率，论文一般要求至少300dpi @return: example： draw_confusion_matrix(label_true=y_gt, label_pred=y_pred, label_name=["Angry", "Disgust", "Fear", "Happy", "Sad", "Surprise", "Neutral"], title="Confusion Matrix on Fer2013", pdf_save_path="Confusion_Matrix_on_Fer2013.png", dpi=300) """ cm = confusion_matrix(y_true=label_true, y_pred=label_pred, normalize='true') plt.imshow(cm, cmap='Blues') plt.title(title) plt.xlabel("Predict label") plt.ylabel("Truth label") plt.yticks(range(label_name.__len__()), label_name) plt.xticks(range(label_name.__len__()), label_name, rotation=45) plt.tight_layout() plt.colorbar() for i in range(label_name.__len__()): for j in range(label_name.__len__()): color = (1, 1, 1) if i == j else (0, 0, 0) # 对角线字体白色，其他黑色 value = float(format('%.2f' % cm[j, i])) plt.text(i, j, value, verticalalignment='center', horizontalalignment='center', color=color) # plt.show() if not pdf_save_path is None: plt.savefig(pdf_save_path, bbox_inches='tight', dpi=dpi) 3、怎么用？给出一个简单的实例： y_gt=[] y_pred=[] for index, (labels, imgs) in enumerate(test_loader): labels_pd = model(imgs) predict_np = np.argmax(labels_pd.cpu().detach().numpy(), axis=-1) # array([0,5,1,6,3,...],dtype=int64) labels_np = labels.numpy() # array([0,5,0,6,2,...],dtype=int64) y_pred.append(predict_np) y_gt.append(labels_np) draw_confusion_matrix(label_true=y_gt, # y_gt=[0,5,1,6,3,...] label_pred=y_pred, # y_pred=[0,5,1,6,3,...] label_name=["An", "Di", "Fe", "Ha", "Sa", "Su", "Ne"], title="Confusion Matrix on Fer2013", pdf_save_path="Confusion_Matrix_on_Fer2013.jpg", dpi=300) cpu().detach()：从device上获取数据.numpy()：将tensor类型转换为numpy类型在我的模型上的结果： |
【本文地址】
今日新闻 |
推荐新闻 |