ConfusionMatrixDisplay#

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 来创建 ConfusionMatrixDisplay。所有参数都作为属性存储。

有关 scikit-learn 可视化工具的一般信息，请参阅 可视化指南。有关解释这些图表的指导，请参阅 模型评估指南。

参数:
confusion_matrixndarray of shape (n_classes, n_classes)

混淆矩阵。

display_labelsndarray of shape (n_classes,), default=None

图表的显示标签。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_ndarray of shape (n_classes, n_classes), dtype=matplotlib Text, or None

matplotlib axes 数组。如果 include_values 为 false，则为 None。

ax_matplotlib Axes

包含混淆矩阵的 Axes。

figure_matplotlib Figure

包含混淆矩阵的 Figure。

另请参阅

confusion_matrix

计算混淆矩阵以评估分类的准确性。

ConfusionMatrixDisplay.from_estimator

给定估计器、数据和标签，绘制混淆矩阵。

ConfusionMatrixDisplay.from_predictions

给定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()
../../_images/sklearn-metrics-ConfusionMatrixDisplay-1.png
classmethod 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]#

给定估计器和一些数据来绘制混淆矩阵。

有关 scikit-learn 可视化工具的一般信息，请参阅 可视化指南。有关解释这些图表的指导，请参阅 模型评估指南。

1.0 版本新增。

参数:
estimatorestimator instance

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。

Xshape 为 (n_samples, n_features) 的 {array-like, sparse matrix}

输入值。

yarray-like of shape (n_samples,)

目标值。

labels形状为 (n_classes,) 的类数组对象, 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子集。如果给定 None，则使用至少在 y_true 或 y_pred 中出现一次的标签，并按排序顺序排列。

sample_weightshape 为 (n_samples,) 的 array-like, default=None

样本权重。

normalize{‘true’, ‘pred’, ‘all’}, default=None

是否对矩阵中显示的计数进行归一化

  • 如果为 'true'，则混淆矩阵按真实条件（例如行）进行归一化；

  • 如果为 'pred'，则混淆矩阵按预测条件（例如列）进行归一化；

  • 如果为 'all'，则混淆矩阵按样本总数进行归一化；

  • 如果为 None（默认值），则混淆矩阵将不进行归一化。

display_labelsarray-like of shape (n_classes,), default=None

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

include_valuesbool, default=True

在混淆矩阵中包含值。

xticks_rotation{‘vertical’, ‘horizontal’} or float, default=’horizontal’

xticks 标签的旋转角度。

values_formatstr, default=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’，取其中较短者。

cmapstr or matplotlib Colormap, default=’viridis’

matplotlib 识别的颜色图。

axmatplotlib Axes, default=None

用于绘图的坐标轴对象。如果为 None，则会创建新的图和坐标轴。

colorbarbool, default=True

是否向图表添加颜色条。

im_kwdict, default=None

传递给 matplotlib.pyplot.imshow 调用的关键字字典。

text_kwdict, default=None

传递给 matplotlib.pyplot.text 调用的关键字字典。

1.2 版本新增。

返回:
displayConfusionMatrixDisplay

另请参阅

ConfusionMatrixDisplay.from_predictions

给定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()
../../_images/sklearn-metrics-ConfusionMatrixDisplay-2_00_00.png

有关使用混淆矩阵评估支持向量分类器的详细示例，请参阅 使用混淆矩阵评估分类器性能

classmethod 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]#

给定真实标签和预测标签来绘制混淆矩阵。

有关 scikit-learn 可视化工具的一般信息，请参阅 可视化指南。有关解释这些图表的指导，请参阅 模型评估指南。

1.0 版本新增。

参数:
y_true形状为 (n_samples,) 的 array-like

真实标签。

y_pred形状为 (n_samples,) 的类数组

由分类器的 predict 方法给出的预测标签。

labels形状为 (n_classes,) 的类数组对象, 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子集。如果给定 None，则使用至少在 y_true 或 y_pred 中出现一次的标签，并按排序顺序排列。

sample_weightshape 为 (n_samples,) 的 array-like, default=None

样本权重。

normalize{‘true’, ‘pred’, ‘all’}, default=None

是否对矩阵中显示的计数进行归一化

  • 如果为 'true'，则混淆矩阵按真实条件（例如行）进行归一化；

  • 如果为 'pred'，则混淆矩阵按预测条件（例如列）进行归一化；

  • 如果为 'all'，则混淆矩阵按样本总数进行归一化；

  • 如果为 None（默认值），则混淆矩阵将不进行归一化。

display_labelsarray-like of shape (n_classes,), default=None

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

include_valuesbool, default=True

在混淆矩阵中包含值。

xticks_rotation{‘vertical’, ‘horizontal’} or float, default=’horizontal’

xticks 标签的旋转角度。

values_formatstr, default=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’，取其中较短者。

cmapstr or matplotlib Colormap, default=’viridis’

matplotlib 识别的颜色图。

axmatplotlib Axes, default=None

用于绘图的坐标轴对象。如果为 None，则会创建新的图和坐标轴。

colorbarbool, default=True

是否向图表添加颜色条。

im_kwdict, default=None

传递给 matplotlib.pyplot.imshow 调用的关键字字典。

text_kwdict, default=None

传递给 matplotlib.pyplot.text 调用的关键字字典。

1.2 版本新增。

返回:
displayConfusionMatrixDisplay

另请参阅

ConfusionMatrixDisplay.from_estimator

给定估计器、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()
../../_images/sklearn-metrics-ConfusionMatrixDisplay-3.png
plot(*, include_values=True, cmap='viridis', xticks_rotation='horizontal', values_format=None, ax=None, colorbar=True, im_kw=None, text_kw=None)[source]#

绘制可视化图。

参数:
include_valuesbool, default=True

在混淆矩阵中包含值。

cmapstr or matplotlib Colormap, default=’viridis’

matplotlib 识别的颜色图。

xticks_rotation{‘vertical’, ‘horizontal’} or float, default=’horizontal’

xticks 标签的旋转角度。

values_formatstr, default=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’，取其中较短者。

axmatplotlib axes, default=None

用于绘图的坐标轴对象。如果为 None，则会创建新的图和坐标轴。

colorbarbool, default=True

是否向图表添加颜色条。

im_kwdict, default=None

传递给 matplotlib.pyplot.imshow 调用的关键字字典。

text_kwdict, default=None

传递给 matplotlib.pyplot.text 调用的关键字字典。

1.2 版本新增。

返回:
displayConfusionMatrixDisplay

返回一个 ConfusionMatrixDisplay 实例，其中包含绘制混淆矩阵的所有信息。