计算混淆矩阵——confusion_matrix将变量转换为数据框——pd.DataFrame创建热图——sn.heatmap最后，将图保存到文件中 -cfm_plot.figure.savefig 从sklearn.metrics导入pandas作为pd导入chaos_matrix导入seaborn作为sn如果__name__ == '__main__' : predictions = [ "None"，"Dog"，"Cat"，...] true_l...
cm = confusion_matrix(y_test, y_pred) # 使用Seaborn绘制混淆矩阵 plt.figure(figsize=(10,7)) sns.heatmap(cm, annot=True, fmt='d', cmap='Blues') plt.xlabel('Predicted') plt.ylabel('True') plt.title('Confusion Matrix') plt.show() 3、精确率(Precision)和召回率(Recall) 精确率是预测...
cm = confusion_matrix(y_test, y_pred) # 绘制热力图 plt.figure(figsize=(10,7)) sns.heatmap(cm, annot=True, fmt='d', cmap='Blues', xticklabels=data.target_names, yticklabels=data.target_names) plt.xlabel('Predicted') plt.ylabel('Actual') plt.title('Confusion Matrix Heatmap') plt...
# 假设我们有一个混淆矩阵 confusion_matrix = np.array([[40, 5], [10, 25]]) # 绘制热力图 plt.figure(figsize=(8, 6)) sns.heatmap(confusion_matrix, annot=True, fmt='d', cmap='Blues') plt.xlabel('Predicted') plt.ylabel('Actual') plt.title('Confusion Matrix Heatmap') plt.show()...
在上述示例中,我们使用了 `seaborn` 和 `matplotlib` 库来绘制混淆矩阵的热力图。首先,通过 `confusion_matrix` 函数计算出混淆矩阵 `cm`,然后利用 `sns.heatmap` 函数绘制热力图,其中 `annot=True` 表示在图中显示数字标注,`cmap='Blues'` 指定了颜色映射方案,`fmt='d'` 表示数字格式为整数。
C2= confusion_matrix(y_true, y_pred, labels=[0, 1, 2])print(C2)#打印出来看看sns.heatmap(C2,annot=True,ax=ax)#画热力图ax.set_title('confusion matrix')#标题ax.set_xlabel('predict')#x轴ax.set_ylabel('true')#y轴 下面就是结果:...
在上述示例中,我们使用了 `seaborn` 和 `matplotlib` 库来绘制混淆矩阵的热力图。首先,通过 `confusion_matrix` 函数计算出混淆矩阵 `cm`,然后利用 `sns.heatmap` 函数绘制热力图,其中 `annot=True` 表示在图中显示数字标注,`cmap='Blues'` 指定了颜色映射方案,`fmt='d'` 表示数字格式为整数。
在上述示例中,我们使用了 `seaborn` 和 `matplotlib` 库来绘制混淆矩阵的热力图。首先,通过 `confusion_matrix` 函数计算出混淆矩阵 `cm`,然后利用 `sns.heatmap` 函数绘制热力图,其中 `annot=True` 表示在图中显示数字标注,`cmap='Blues'` 指定了颜色映射方案,`fmt='d'` 表示数字格式为整数。
1] # 创建混淆矩阵 cm = confusion_matrix(y_true, y_pred) # 可视化混淆矩阵 plt.figure(figsize=(8, 6)) sns.heatmap(cm, annot=True, fmt='d', cmap='Blues', xticklabels=[0, 1], yticklabels=[0, 1]) plt.xlabel('Predicted') plt.ylabel('True') plt.title('Confusion Matrix') plt...
confusion_matrix(y_test, y_pred) # 绘制热力图 plt.figure(figsize=(10,7)) sns.heatmap(cm, annot=True, fmt='d', cmap='Blues', xticklabels=data.target_names, yticklabels=data.target_names) plt.xlabel('Predicted') plt.ylabel('Actual') plt.title('Confusion Matrix Heatmap') plt.show...