Python sklearn plot_confusion_matrix用法及代码示例

本文简要介绍python语言中 sklearn.metrics.plot_confusion_matrix 的用法。

用法:

sklearn.metrics.plot_confusion_matrix(estimator, X, y_true, *, labels=None, sample_weight=None, normalize=None, display_labels=None, include_values=True, xticks_rotation='horizontal', values_format=None, cmap='viridis', ax=None, colorbar=True)

已弃用：函数 plot_confusion_matrix 在 1.0 中已弃用，并将在 1.2 中删除。使用以下类方法之一：ConfusionMatrixDisplay.from_predictions 或 ConfusionMatrixDisplay.from_estimator。

绘制混淆矩阵。

在用户指南中阅读更多信息。

参数：

estimator：估计器实例

拟合分类器或拟合 Pipeline ，其中最后一个估计器是分类器。

X：{类数组，稀疏矩阵}，形状为 (n_samples, n_features)

输入值。

y_true：形状类似数组 (n_samples,)

目标值。

labels：形状类似数组 (n_classes,)，默认=无

索引矩阵的标签列表。这可用于重新排序或选择标签子集。如果给定None，则在y_true 或y_pred 中至少出现一次的那些将按排序顺序使用。

sample_weight：形状类似数组 (n_samples,)，默认=None

样本权重。

normalize：{‘true’, ‘pred’, ‘all’}，默认=无

或者标准化矩阵中显示的计数：

• 如果 'true' ，则混淆矩阵在真实条件(例如行)上进行归一化；

• 如果 'pred' ，则混淆矩阵在预测条件(例如列)上进行归一化；

• 如果 'all' ，则混淆矩阵按样本总数归一化；

• 如果None(默认)，混淆矩阵将不会被归一化。

display_labels：形状类似数组 (n_classes,)，默认=无

用于绘图的目标名称。默认情况下，如果定义了labels，将使用y_true和y_pred的唯一标签。

include_values：布尔，默认=真

包括混淆矩阵中的值。

xticks_rotation：{‘vertical’, ‘horizontal’} 或浮点数，默认='水平'

xtick 标签的旋转。

values_format：str，默认=无

混淆矩阵中值的格式规范。如果 None ，格式规范是 ‘d’ 或 ‘.2g’ 以较短者为准。

cmap：str 或 matplotlib 颜色图，默认='viridis'

matplotlib 识别的颜色图。

ax：matplotlib 轴，默认=无

要绘制的轴对象。如果 None ，则创建一个新的图形和轴。

colorbar：布尔，默认=真

是否在绘图中添加颜色条。

返回：

display：sklearn.metrics.ConfusionMatrixDisplay

例子：

>>> import matplotlib.pyplot as plt
>>> from sklearn.datasets import make_classification
>>> from sklearn.metrics import plot_confusion_matrix
>>> from sklearn.model_selection import train_test_split
>>> from sklearn.svm import SVC
>>> X, y = make_classification(random_state=0)
>>> X_train, X_test, y_train, y_test = train_test_split(
...         X, y, random_state=0)
>>> clf = SVC(random_state=0)
>>> clf.fit(X_train, y_train)
SVC(random_state=0)
>>> plot_confusion_matrix(clf, X_test, y_test)  
>>> plt.show()