pythonでのmatplotlibによる混同マトリクスの印刷

2250 ワード

前述したように、混同マトリクスは分類問題を処理する際に重要な指標であるが、どのように混同マトリクスを印刷するかは、直接表やフロントエンドの可視化を行い、編集者はフロントエンド(D 5)で作ってみたことがあるが、スクリーンショットはそれほど美しくない.
コード:
import itertools
import matplotlib.pyplot as plt
import numpy as np

def plot_confusion_matrix(cm, classes,
                          normalize=False,
                          title='Confusion matrix',
                          cmap=plt.cm.Blues):
    """
    This function prints and plots the confusion matrix.
    Normalization can be applied by setting `normalize=True`.
    """
    if normalize:
        cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]
        print("Normalized confusion matrix")
    else:
        print('Confusion matrix, without normalization')

    print(cm)

    plt.imshow(cm, interpolation='nearest', cmap=cmap)
    plt.title(title)
    plt.colorbar()
    tick_marks = np.arange(len(classes))
    plt.xticks(tick_marks, classes, rotation=45)
    plt.yticks(tick_marks, classes)

    fmt = '.2f' if normalize else 'd'
    thresh = cm.max() / 2.
    for i, j in itertools.product(range(cm.shape[0]), range(cm.shape[1])):
        plt.text(j, i, format(cm[i, j], fmt),
                 horizontalalignment="center",
                 color="white" if cm[i, j] > thresh else "black")

    plt.tight_layout()
    plt.ylabel('True label')
    plt.xlabel('Predicted label')
    plt.show()
    # plt.savefig('confusion_matrix',dpi=200)

cnf_matrix = np.array([
    [4101, 2, 5, 24, 0],
    [50, 3930, 6, 14, 5],
    [29, 3, 3973, 4, 0],
    [45, 7, 1, 3878, 119],
    [31, 1, 8, 28, 3936],
])

class_names = ['Buildings', 'Farmland', 'Greenbelt', 'Wasteland', 'Water']

# plt.figure()
# plot_confusion_matrix(cnf_matrix, classes=class_names,
#                       title='Confusion matrix, without normalization')

# Plot normalized confusion matrix
plt.figure()
plot_confusion_matrix(cnf_matrix, classes=class_names, normalize=True,
                      title='Normalized confusion matrix')

マトリクスを配置する位置で、混同マトリクスを配置すればいいです.もちろん、混同マトリクスを可視化するステップは、モデルの実行中に直接完了することもできます.