【Python绘图】两种绘制混淆矩阵的方式 (ConfusionMatrixDisplay(), imshow()) 以及两种好看的colorbar
在机器学习领域，混淆矩阵是一个评估分类模型性能的重要工具。它不仅展示了模型预测的准确性，还揭示了模型在不同类别上的表现。本文介绍两种在Python中绘制混淆矩阵的方法：ConfusionMatrixDisplay() 和 imshow()，以及两种好看的colorbar：coolwarm_r，GnBu， 以增强可视化效果。
ConfusionMatrixDisplay()
ConfusionMatrixDisplay() 是一个来自 scikit-learn 库的类，用于可视化混淆矩阵。
sklearn.metrics.ConfusionMatrixDisplay 的官方社区描述：
基本用法：
ConfusionMatrixDisplay 可以通过以下方式创建：
from sklearn.metrics import ConfusionMatrixDisplay
# 假设 cm 是一个混淆矩阵
disp = ConfusionMatrixDisplay(confusion_matrix=cm)
disp.plot()
参数和方法：
confusion_matrix: 参数，一个形状为 (n_classes, n_classes) 的 ndarray，表示混淆矩阵。display_labels: 参数，一个形状为 (n_classes,) 的 ndarray，默认为 None。用于设置绘图时的标签。如果为 None，则显示标签从 0 到 n_classes - 1。plot(): 方法，绘制混淆矩阵的可视化。
示例：
示例代码：
from sklearn.metrics import ConfusionMatrixDisplay
import os
import matplotlib.pyplot as plt
import numpy as np
import numpy.random as npr
npr.seed(0)
# Save path
save_path = './plot'
os.makedirs(save_path, exist_ok=True)
# Generate random data 0~1
n = 10
data = npr.rand(n, n) * 0.8
for i in range(n):
data[i, i] = 1.0
# Plot confusion matrix
fig, ax = plt.subplots(figsize=(8, 8))
cm = ConfusionMatrixDisplay(data, display_labels=np.arange(n))
cm.plot(ax=ax, cmap="GnBu", include_values=False, xticks_rotation=90) # GnBu, coolwarm_r
ax.set_xlabel('Trials', fontsize=20)
ax.set_ylabel('Trials', fontsize=20)
plt.title(f'Confusion matrix', fontsize=30)
plt.tight_layout()
plt.savefig(f'{save_path}/confu_mat_1-2.png', dpi=300)
plt.show()
imshow()
imshow() 是一个来自 Matplotlib 库的函数，用于在图形用户界面（GUI）中显示图像。这个函数可以处理多种类型的图像数据，包括灰度图和彩色图，是 Matplotlib 中用于图像显示的基础函数之一。
matplotlib.pyplot.imshow 的官方描述：https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.imshow.html
基本用法：
import matplotlib.pyplot as plt
import numpy as np
# 创建一个随机数组作为图像数据
image_data = np.random.rand(10, 10)
# 使用 imshow() 显示图像
plt.imshow(image_data)
plt.colorbar() # 显示颜色条
plt.show()
参数：
imshow() 函数接受多个参数，以下是一些常用的参数：
X: 图像数据，可以是 2D 数组（灰度图）或 3D 数组（彩色图）。cmap: 颜色映射表，用于定义颜色。例如，cmap=‘gray’ 表示灰度图，cmap=‘viridis’ 是一种常用的彩色映射。norm: 归一化对象，用于调整数据值到 [0, 1] 范围。aspect: 图像的纵横比，可以是 ‘auto’、‘equal’ 或一个数值。interpolation: 插值方法，用于定义图像的缩放方式，如 ‘nearest’、‘bilinear’、‘bicubic’ 等。alpha: 图像的透明度。
imshow() 返回一个 AxesImage 对象，这个对象包含了图像的显示信息，可以用来进一步定制图像的显示效果。
示例：
ConfusionMatrixDisplay()内置函数定义了所绘制的混淆矩阵必须为方针，而imshow()可以绘制行列数不等的矩形：
示例代码：
from mpl_toolkits.axes_grid1 import make_axes_locatable
import os
import matplotlib.pyplot as plt
import numpy as np
import numpy.random as npr
npr.seed(0)
# Save path
save_path = './plot'
os.makedirs(save_path, exist_ok=True)
# Generate random data 0~1
m = 6
n = 10
data = npr.rand(m, n) * 0.8
if m == n:
for i in range(n):
data[i, i] = 1.0
fig, ax = plt.subplots(figsize=(n, m))
cm = ax.imshow(data, cmap='coolwarm_r', interpolation="nearest", vmin=0.0, vmax=1.0) # coolwarm_r, GnBu
# # 绘制一条对角线
# ax.plot([-0.5, n + 0.5], [-0.5, n + 0.5], color='black', alpha=0.2)
ax.set_xticks(np.arange(n))
ax.set_yticks(np.arange(m))
ax.set_xticklabels(np.arange(n), fontsize=15, rotation=90)
ax.set_yticklabels(np.arange(m), fontsize=15)
plt.xlabel('N', fontsize=20)
plt.ylabel('M', fontsize=20)
plt.title(f'Confusion matrix', fontsize=30)
divider = make_axes_locatable(ax)
cax = divider.append_axes("right", size="4%", pad=0.2)
cb = fig.colorbar(cm, cax=cax)
cb.ax.tick_params(labelsize=15)
plt.tight_layout()
plt.savefig(f'{save_path}/confu_mat_3-1.png', dpi=300)
plt.show()
两种 colorbar
-
coolwarm_r
-
GnBu
更多 colorbar：https://astromsshin.github.io/science/code/matplotlib_cm/index.html
原文地址：https://blog.csdn.net/qq_43811536/article/details/143746238
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！