import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.metrics import confusion_matrix
# 生成示例的真实标签和预测结果
true_labels = [0, 1, 0, 1, 1, 0, 0, 1, 1, 1]
predicted_labels = [0, 1, 0, 1, 0, 1, 0, 1, 0, 1]
# 计算混淆矩阵
cm = confusion_matrix(true_labels, predicted_labels)
# 使用seaborn绘制热图表示混淆矩阵
plt.figure(figsize=(8, 6))
sns.heatmap(cm, annot=True, cmap='Blues', fmt='g', xticklabels=['Predicted 0', 'Predicted 1'], yticklabels=['Actual 0', 'Actual 1'])
plt.xlabel('Predicted label')
plt.ylabel('True label')
plt.title('Confusion Matrix')
plt.show()
Python绘制混淆矩阵图
本文展示了如何使用Python的seaborn库和sklearn库中的confusion_matrix函数生成并可视化一个二分类问题的混淆矩阵,通过实例演示了预测标签与真实标签之间的对比情况。
摘要由CSDN通过智能技术生成