如何用python画好confusion matrix

在做分类的时候，经常需要画混淆矩阵，下面我们使用python的matplotlib包，scikit-learning机器学习库也同样提供了例子：， 但是这样的图并不能满足我们的要求，

首先是刻度的显示是在方格的中间，这需要隐藏刻度，其次是如何把每个label显示在每个方块的中间， 其次是如何在每个方格中显示accuracy数值， 最后是如何在横坐标和纵坐标显示label的名字，在label name比较长的时候，如何处理显示问题。

直接贴上代码：

[python] view plain copy

• '''''compute confusion matrix 

• labels.txt: contain label name. 

• predict.txt: predict_label true_label 

• '''  

• from sklearn.metrics import confusion_matrix  

• import matplotlib.pyplot as plt  

• import numpy as np  

• #load labels.  

• labels = []  

• file = open('labels.txt', 'r')  

• lines = file.readlines()  

• for line in lines:  

• labels.append(line.strip())  

• file.close()  

• y_true = []  

• y_pred = []  

• #load true and predict labels.  

• file = open('predict.txt', 'r')  

• lines = file.readlines()  

• for line in lines:  

• y_true.append(int(line.split(" ")[1].strip()))  

• y_pred.append(int(line.split(" ")[0].strip()))  

• file.close()  

• tick_marks = np.array(range(len(labels))) + 0.5  

• def plot_confusion_matrix(cm, title='Confusion Matrix', cmap = plt.cm.binary):  

• plt.imshow(cm, interpolation='nearest', cmap=cmap)  

• plt.title(title)  

• plt.colorbar()  

• xlocations = np.array(range(len(labels)))  

• plt.xticks(xlocations, labels, rotation=90)  

• plt.yticks(xlocations, labels)  

• plt.ylabel('True label')  

• plt.xlabel('Predicted label')  

• cm = confusion_matrix(y_true, y_pred)  

• print cm  

• np.set_printoptions(precision=2)  

• cm_normalized = cm.astype('float')/cm.sum(axis=1)[:, np.newaxis]  

• print cm_normalized  

• plt.figure(figsize=(12,8), dpi=120)  

• #set the fontsize of label.  

• #for label in plt.gca().xaxis.get_ticklabels():  

• #    label.set_fontsize(8)  

• #text portion  

• ind_array = np.arange(len(labels))  

• x, y = np.meshgrid(ind_array, ind_array)  

• for x_val, y_val in zip(x.flatten(), y.flatten()):  

• c = cm_normalized[y_val][x_val]  

• if (c > 0.01):  

• plt.text(x_val, y_val, "%0.2f" %(c,), color='red', fontsize=7, va='center', ha='center')  

• #offset the tick  

• plt.gca().set_xticks(tick_marks, minor=True)  

• plt.gca().set_yticks(tick_marks, minor=True)  

• plt.gca().xaxis.set_ticks_position('none')  

• plt.gca().yaxis.set_ticks_position('none')  

• plt.grid(True, which='minor', linestyle='-')  

• plt.gcf().subplots_adjust(bottom=0.15)  

• plot_confusion_matrix(cm_normalized, title='Normalized confusion matrix')  

• #show confusion matrix  

• plt.show()  

结果如下图所示：



阅读全文

版权声明：本文为博主原创文章，未经博主允许不得转载。

目前您尚未登录，请 登录 或 注册 后进行评论

• linchunmian

  2017-05-08 2