混淆矩阵显示#
- class sklearn.metrics.ConfusionMatrixDisplay(confusion_matrix, *, display_labels=None)[source]#
混淆矩阵可视化。
建议使用
from_estimator或from_predictions创建ConfusionMatrixDisplay。所有参数都存储为属性。更多信息请参见 用户指南。
- 参数：
- confusion_matrix形状为 (n_classes, n_classes) 的 ndarray
混淆矩阵。
- display_labels形状为 (n_classes,) 的 ndarray，默认为 None
绘图显示标签。如果为 None，则显示标签设置为从 0 到
n_classes - 1。
- 属性：
- im_matplotlib AxesImage
表示混淆矩阵的图像。
- text_形状为 (n_classes, n_classes) 的 ndarray，数据类型为 matplotlib Text，或 None
Matplotlib 坐标轴数组。
None如果include_values为假。- ax_matplotlib Axes
包含混淆矩阵的坐标轴。
- figure_matplotlib Figure
包含混淆矩阵的图形。
另请参见
confusion_matrix计算混淆矩阵以评估分类的准确性。
ConfusionMatrixDisplay.from_estimator根据估计器、数据和标签绘制混淆矩阵。
ConfusionMatrixDisplay.from_predictions根据真实标签和预测标签绘制混淆矩阵。
示例
>>> import matplotlib.pyplot as plt >>> from sklearn.datasets import make_classification >>> from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay >>> 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) >>> predictions = clf.predict(X_test) >>> cm = confusion_matrix(y_test, predictions, labels=clf.classes_) >>> disp = ConfusionMatrixDisplay(confusion_matrix=cm, ... display_labels=clf.classes_) >>> disp.plot() <...> >>> plt.show()
- 类方法 from_estimator(estimator, X, y, *, 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, im_kw=None, text_kw=None)[source]#
根据估计器和一些数据绘制混淆矩阵。
在用户指南中了解更多信息。
1.0 版本中新增。
- 参数：
- estimator估计器实例
已拟合的分类器或已拟合的
Pipeline（其中最后一个估计器是分类器）。- X形状为 (n_samples, n_features) 的{数组、稀疏矩阵}
输入值。
- y形状为 (n_samples,) 的数组
目标值。
- labels形状为 (n_classes,) 的数组，默认为 None
用于索引混淆矩阵的标签列表。这可用于重新排序或选择标签的子集。如果给出
None，则使用在y_true或y_pred中至少出现一次的标签（按排序顺序）。- sample_weight形状为 (n_samples,) 的数组，默认为 None
样本权重。
- normalize{'true', 'pred', 'all'}，默认为 None
是否规范化矩阵中显示的计数
如果
'true'，则混淆矩阵根据真实情况（例如，行）进行归一化；如果
'pred'，则混淆矩阵根据预测情况（例如，列）进行归一化；如果
'all'，则混淆矩阵根据样本总数进行归一化；如果
None（默认值），则混淆矩阵不会被归一化。
- display_labels形状为 (n_classes,) 的数组，默认为 None
用于绘图的目标名称。默认情况下，如果定义了
labels，则使用它；否则，将使用y_true和y_pred的唯一标签。- include_values布尔值，默认为 True
包含混淆矩阵中的值。
- xticks_rotation{'vertical', 'horizontal'} 或浮点数，默认为 'horizontal'
x 轴刻度标签的旋转。
- values_format字符串，默认为 None
混淆矩阵中值的格式规范。如果为
None，则格式规范为'd'或'.2g'，两者中较短者。- cmap字符串或 matplotlib 颜色图，默认为 'viridis'
matplotlib 识别的颜色图。
- axmatplotlib Axes，默认为 None
要绘制的 Axes 对象。如果为
None，则创建一个新的图形和 Axes。- colorbar布尔值，默认为 True
是否向绘图添加颜色条。
- im_kw字典，默认为 None
传递给
matplotlib.pyplot.imshow调用的关键字字典。- text_kw字典，默认为 None
传递给
matplotlib.pyplot.text调用的关键字字典。1.2 版本中新增。
- 返回：
- display
ConfusionMatrixDisplay
- display
另请参见
ConfusionMatrixDisplay.from_predictions根据真实标签和预测标签绘制混淆矩阵。
示例
>>> import matplotlib.pyplot as plt >>> from sklearn.datasets import make_classification >>> from sklearn.metrics import ConfusionMatrixDisplay >>> 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) >>> ConfusionMatrixDisplay.from_estimator( ... clf, X_test, y_test) <...> >>> plt.show()
- 类方法 from_predictions(y_true, y_pred, *, 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, im_kw=None, text_kw=None)[source]#
根据真实标签和预测标签绘制混淆矩阵。
在用户指南中了解更多信息。
1.0 版本中新增。
- 参数：
- y_true形状为 (n_samples,) 的数组
真实标签。
- y_predarray-like 形状 (n_samples,)
分类器
predict方法预测的标签。- labels形状为 (n_classes,) 的数组，默认为 None
用于索引混淆矩阵的标签列表。这可用于重新排序或选择标签的子集。如果给出
None，则使用在y_true或y_pred中至少出现一次的标签（按排序顺序）。- sample_weight形状为 (n_samples,) 的数组，默认为 None
样本权重。
- normalize{'true', 'pred', 'all'}，默认为 None
是否规范化矩阵中显示的计数
如果
'true'，则混淆矩阵根据真实情况（例如，行）进行归一化；如果
'pred'，则混淆矩阵根据预测情况（例如，列）进行归一化；如果
'all'，则混淆矩阵根据样本总数进行归一化；如果
None（默认值），则混淆矩阵不会被归一化。
- display_labels形状为 (n_classes,) 的数组，默认为 None
用于绘图的目标名称。默认情况下，如果定义了
labels，则使用它；否则，将使用y_true和y_pred的唯一标签。- include_values布尔值，默认为 True
包含混淆矩阵中的值。
- xticks_rotation{'vertical', 'horizontal'} 或浮点数，默认为 'horizontal'
x 轴刻度标签的旋转。
- values_format字符串，默认为 None
混淆矩阵中值的格式规范。如果为
None，则格式规范为'd'或'.2g'，两者中较短者。- cmap字符串或 matplotlib 颜色图，默认为 'viridis'
matplotlib 识别的颜色图。
- axmatplotlib Axes，默认为 None
要绘制的 Axes 对象。如果为
None，则创建一个新的图形和 Axes。- colorbar布尔值，默认为 True
是否向绘图添加颜色条。
- im_kw字典，默认为 None
传递给
matplotlib.pyplot.imshow调用的关键字字典。- text_kw字典，默认为 None
传递给
matplotlib.pyplot.text调用的关键字字典。1.2 版本中新增。
- 返回：
- display
ConfusionMatrixDisplay
- display
另请参见
ConfusionMatrixDisplay.from_estimator根据估计器、数据和标签绘制混淆矩阵。
示例
>>> import matplotlib.pyplot as plt >>> from sklearn.datasets import make_classification >>> from sklearn.metrics import ConfusionMatrixDisplay >>> 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) >>> y_pred = clf.predict(X_test) >>> ConfusionMatrixDisplay.from_predictions( ... y_test, y_pred) <...> >>> plt.show()
- plot(*, include_values=True, cmap='viridis', xticks_rotation='horizontal', values_format=None, ax=None, colorbar=True, im_kw=None, text_kw=None)[source]#
绘制可视化结果。
- 参数：
- include_values布尔值，默认为 True
包含混淆矩阵中的值。
- cmap字符串或 matplotlib 颜色图，默认为 'viridis'
matplotlib 识别的颜色图。
- xticks_rotation{'vertical', 'horizontal'} 或浮点数，默认为 'horizontal'
x 轴刻度标签的旋转。
- values_format字符串，默认为 None
混淆矩阵中值的格式规范。如果为
None，则格式规范为'd'或'.2g'，两者中较短者。- axmatplotlib 坐标轴，默认为 None
要绘制的 Axes 对象。如果为
None，则创建一个新的图形和 Axes。- colorbar布尔值，默认为 True
是否向绘图添加颜色条。
- im_kw字典，默认为 None
传递给
matplotlib.pyplot.imshow调用的关键字字典。- text_kw字典，默认为 None
传递给
matplotlib.pyplot.text调用的关键字字典。1.2 版本中新增。
- 返回：
- display
ConfusionMatrixDisplay 返回一个包含绘制混淆矩阵所有信息的
ConfusionMatrixDisplay实例。
- display
