Python sklearn plot_confusion_matrix用法及代碼示例

本文簡要介紹python語言中 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)

已棄用：函數 plot_confusion_matrix 在 1.0 中已棄用，並將在 1.2 中刪除。使用以下類方法之一：ConfusionMatrixDisplay.from_predictions 或 ConfusionMatrixDisplay.from_estimator。

繪製混淆矩陣。

在用戶指南中閱讀更多信息。

參數：

estimator：估計器實例

擬合分類器或擬合 Pipeline ，其中最後一個估計器是分類器。

X：{類數組，稀疏矩陣}，形狀為 (n_samples, n_features)

輸入值。

y_true：形狀類似數組 (n_samples,)

目標值。

labels：形狀類似數組 (n_classes,)，默認=無

索引矩陣的標簽列表。這可用於重新排序或選擇標簽子集。如果給定None，則在y_true 或y_pred 中至少出現一次的那些將按排序順序使用。

sample_weight：形狀類似數組 (n_samples,)，默認=None

樣本權重。

normalize：{‘true’, ‘pred’, ‘all’}，默認=無

或者標準化矩陣中顯示的計數：

• 如果 'true' ，則混淆矩陣在真實條件(例如行)上進行歸一化；

• 如果 'pred' ，則混淆矩陣在預測條件(例如列)上進行歸一化；

• 如果 'all' ，則混淆矩陣按樣本總數歸一化；

• 如果None(默認)，混淆矩陣將不會被歸一化。

display_labels：形狀類似數組 (n_classes,)，默認=無

用於繪圖的目標名稱。默認情況下，如果定義了labels，將使用y_true和y_pred的唯一標簽。

include_values：布爾，默認=真

包括混淆矩陣中的值。

xticks_rotation：{‘vertical’, ‘horizontal’} 或浮點數，默認='水平'

xtick 標簽的旋轉。

values_format：str，默認=無

混淆矩陣中值的格式規範。如果 None ，格式規範是 ‘d’ 或 ‘.2g’ 以較短者為準。

cmap：str 或 matplotlib 顏色圖，默認='viridis'

matplotlib 識別的顏色圖。

ax：matplotlib 軸，默認=無

要繪製的軸對象。如果 None ，則創建一個新的圖形和軸。

colorbar：布爾，默認=真

是否在繪圖中添加顏色條。

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()