如何用最少的代码在 Python 中绘制不同类型的混淆矩阵？

Posted 2023-03-12

【中文标题】如何用最少的代码在 Python 中绘制不同类型的混淆矩阵？

【英文标题】：How to plot confusion matrices of different types in Python with minimal code?

【发布时间】：2019-08-10 08:58:40

【问题描述】：

我有 2 个numpy 数组，y_actual（实际值）和y_pred（ML 模型预测），它们都有二进制值，0 或 1。

目前，我正在根据以下语法形成confusion matrix：-

df_confusion = pd.crosstab(y_actual, y_pred, rownames=['Actual'], colnames=['Predicted'], margins=True)
print('Confusion Matrix:')
print(df_confusion)

但是，我查看了 SO 和其他文档，找不到一个包含最少代码的综合示例，这可以帮助我完成以下任务：-

形成混淆矩阵图（使用matplotlib或Seaborn，其中显示每个类的实际样本数，旁边有名称标签0为Class A，1为Class B . 绘制类似的混淆矩阵图，其中显示了位于混淆矩阵中的每个类别的样本百分比（例如真阳性率、假阳性率等）。 绘制进一步的混淆矩阵，显示混淆矩阵，以及右侧显示样本数量的比例（像这样）https://scikit-learn.org/stable/_images/sphx_glr_plot_confusion_matrix_001.png。为标准化情况形成一个类似的混淆矩阵，如https://scikit-learn.org/stable/_images/sphx_glr_plot_confusion_matrix_001.png。

此外，如问题所述，目标是将 0 类标记为 Class A，将 1 类标记为 Class B，因为目前这些仅显示为 0 和 1，看起来不太连贯.我希望使用最少的代码来完成相同的任务，并生成连贯且美观的混淆矩阵图。非常感谢这方面的任何帮助。

【参考方案1】：

我会告诉你Kaggle，它有一些巨大的资源。您应该能够轻松地调整下面的示例以满足您的需求。

from sklearn.svm import SVC
from sklearn.metrics import accuracy_score, confusion_matrix, precision_recall_fscore_support

clf = SVC(kernel = 'linear').fit(x_train,y_train)
clf.predict(x_train)
y_pred = clf.predict(x_test)

# Creates a confusion matrix
cm = confusion_matrix(y_test, y_pred) 

# Transform to df for easier plotting
cm_df = pd.DataFrame(cm,
                     index = ['setosa','versicolor','virginica'], 
                     columns = ['setosa','versicolor','virginica'])

plt.figure(figsize=(5.5,4))
sns.heatmap(cm_df, annot=True)
plt.title('SVM Linear Kernel \nAccuracy:0:.3f'.format(accuracy_score(y_test, y_pred)))
plt.ylabel('True label')
plt.xlabel('Predicted label')
plt.show()