多标签分类结果可视化

一、多标签混淆矩阵

cm= multilabel_confusion_matrix(y_test,y_pred_df )

这里的y_test与y_pred_df需要是二进制的多标签编码

多标签分类的混淆矩阵与多分类混淆矩阵不同，不再是二维矩阵，而变成了三维矩阵，第一维度是多个标签类别数的相加，如我的数据有两个标签，第一个标签下有六类，第二个标签有16类，那么多标签混淆矩阵的第一维度就是22，其形状是22*2*2

[[[123   0]
  [  1  20]]

 [[133   0]
  [  2   9]]

 [[134   0]
  [  1   9]]...........]

也就是有22个2*2的小矩阵组成。

 第一个矩阵代表第一类的分类情况（我的数据类别标签在第一篇博文中）

第一行数据的第一个，123表示不是第一类并且判断时也认为不是第一类的样本数，第一行数据第二个，0表示不是第一类但判断为第一类的样本数

第二行数据第一个，1表示是第一类但判断结果不是第一类，第二个数据20，表示是第一类且判断结果也是第一类

二、多标签混淆矩阵的可视化

需要将每个小矩阵都画成热图，然后组合在一起

import seaborn as sns
import matplotlib.pyplot as plt


matrix_list = cm

# 设置画布大小
plt.figure(figsize=(10, 10))

# 遍历小矩阵列表
labels = ["".join("c" + str(i)) for i in range(0, 22)]
for i, matrix in enumerate(matrix_list):
    labels = ["A", "A1", "A2", "B", "B1", "B2", "B3", "B4", "C", "C1", "C2", "C3", "D", "D1", "D2", "E", "E1", "E2",
              "F", "F1", "F2", "F3"]#这里是我的类别，要作为热图的标题

    plt.subplot(6, 4, i + 1)
      # 创建一个子图，共有6行4列，当前子图为第i+1个子图
    sns.heatmap(matrix, annot=True,fmt="d", cmap="Blues", cbar=False,xticklabels=["N","Y"],yticklabels=["N","Y"])  # 绘制热图，不显示颜色条
    plt.title(f"class{labels[i]}")#为每个热图加上对应的类别标题

# 调整子图之间的间距
plt.tight_layout()

# 显示图像
plt.show()