sns.heatmap绘制混淆矩阵-不用科学计数显示

madao10086+

已于 2022-05-15 21:20:28 修改

阅读量2.7k

点赞数 2

分类专栏：奇技淫巧文章标签： python 矩阵分类算法

于 2022-05-15 21:19:30 首次发布

本文链接：https://blog.csdn.net/qq_36178962/article/details/124788236

版权

奇技淫巧专栏收录该内容

4 篇文章 0 订阅

订阅专栏

在做分类任务的时候，经常需要查看分类模型的混淆矩阵，记录一下绘制混淆矩阵常用的一些设置

一般混淆矩阵绘制的代码是如下

matrix = np.random.randn(5, 5)
fig = plt.figure()
sns_plot = sns.heatmap(matrix2, annot=True)
plt.show()

效果如下图所示
在这里插入图片描述
想要更大的图片可以在plt.figure()中添加设置

matrix2 = np.random.randn(5, 5)
fig = plt.figure(figsize=(8, 8), dpi=100)
sns_plot = sns.heatmap(matrix2, annot=True)

plt.show()

对于位数太长的数组索引，heatmap可能会折叠为科学计数法

在这里插入图片描述
在heatmap中添加一个属性fmt可以去除科学计数显示的方式

sns_plot = sns.heatmap(matrix, annot=True, fmt='.20g', cmap='Pastel1')

在这里插入图片描述

关于绘制热力图混淆矩阵的其他详细设置可以参考seaborn.heatmap

在这里插入图片描述

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

madao10086+

关注关注

2
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
sns.heatmap绘制混淆矩阵-不用科学计数显示

seaborn的heatmap绘制混淆矩阵的一些常用设置以及介绍
复制链接

扫一扫

专栏目录

python数据可视化之Seaborn（二）

01-07

写在开头：在该系列第一篇文章介绍了一下整体seaborn对于画图整体风格与比例的调控，今天开始分享一下seaborn对于颜色的设计。该文章参考文献主要为学习路远老师的seaborn教程，会在结尾放上链接。上节回顾：上一节分享了Seaborn绘图的整体颜色与风格比例调控，可点击链接查看。python数据可视化之Seaborn（一） Seaborn可视化内容安排在Seaborn的学习中安排如下，一、画风设置：会简单介绍一下绘图风格（一）与颜色风格（二）的设置；二、绘图技巧：这里会介绍数据集（三）、相关数据（四）、分类数据（五）、线性关系（六）可视化的相关内容；三、结构网络：本节主要介绍数

绘制混淆矩阵

qq_45023582的博客

11-03

184

sns.heatmap（）绘制热力图。cmp是颜色，有很多种颜色可以选择。annot=True表示在方框中显示数字，fmt可以设置数字的格式，保留小数点几位。还有ax可以设置文字属性等，这部分可以参考链接2。confusion_matrix()函数计算混淆矩阵，输入分别是真实标签值，预测标签值，labels可以自己设计，也可以默认。最后记得用plt.show()显示。,注意链接第一个例子答案有问题。注意：标签值是一维数组。

参与评论您还未登录，请先登录后发表或查看评论

让 sns.heatmap 的数字不使用科学计数法

ONE_SIX_MIX的专栏

11-12

6900

搞来搞去，又是一小时，记录一下只需要增加 fmt 参数即可 import matplotlib.pyplot as plt plt.rcParams['font.size'] = 100 没了，你再show图的时候，发现所有图里面所有的字都变大了完整例子 import numpy as np import seaborn as sns import matplotlib.pyplot as...

python中的数据可视化——热力图 sns.heatmap()

liujingwei8610的专栏

04-16

1104

python中的数据可视化——热力图 sns.heatmap()

seaborn—sns.heatmap绘制热力图

柳杰的博客

03-26

5万+

heatmap(热力图)是识别预测变量与目标变量相关性的方法，同时，也是发现变量间是否存在多重共线性的好方法。中文文档 seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt='.2g', annot_kws=None, linewidths=0, linecolor='white', cbar=True, cbar_kws=None, cbar_ax=None

sns.heatmap（热力图）的用法简介

qq_41870157的博客

03-05

2万+

seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt='.2g', annot_kws=None, linewidths=0, linecolor='white', cbar=True, cbar_kws=None, cbar_ax=None, square...

seaborn可视化——一文搞懂heatmap参数

qq_43201025的博客

06-05

7438

seaborn可视化热力图heatmap参数详解

【画图专题】sns.heatmap的用法简介

最新发布

06-26

比如，使用`sns.heatmap()`可以绘制热力图，`sns.countplot()`可以展示计数数据，`sns.pairplot()`可以快速查看数据的所有两两配对关系。 3. **Plotly**: 提供了交互式图表，适合制作网页展示或者报告。`go.Scatter...

可视化库Seaborn案例代码.zip

05-24

- `sns.countplot()`：用于绘制计数图，展示离散变量的频次。 - `sns.barplot()` 和 `sns.heatmap()`：用于绘制条形图和热力图，常用于比较不同类别的数据。 2. **联合分布图：** - `sns.jointplot()`：展示两个...

seaborn-visualisations:SeaBorn中的一些基本视觉绘图

04-09

sns.heatmap(df.corr(), annot=True) # 显示相关系数 plt.show() ``` ### 8. 趋势线和回归分析 Seaborn还支持添加趋势线和进行回归分析，例如： ```python sns.regplot(x='x', y='y', data=df) plt.show() ``` #...

python seaborn.heatmap参数介绍

早起CaiCai的学习空间

05-20

3万+

seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt=’.2g’, annotkws=None, linewidths=0, linecolor=‘white’, cbar=True, cbarkws=None, cbar_ax=None, square=False, ax=None, xticklabels=True, yticklabels=True, mask=

python项目应用实例(五)生成图像heatmap|数据降维PCA|数据可视化|图像格式转换

祥瑞的技术博客

05-22

3864

背景：运行模型时，经常需要将相应的数据可视化。博主代码地址：https://github.com/Xingxiangrui/heatmap_and_feature_visualization 目录一、网络结果存为np 1.1 网络输出存储 1.2 GPU张量转换 1.3 流程二、heatmap输出 2.1 misc函数 2.2 生成heatmap 2.3 sns.heat...

热力图 sns.heatmap 调整图内，坐标轴，color bar 字体大小

weixin_45415929的博客

04-07

3万+

原始首先准备一个文件，我用的是csv文件我们先看一下最原始的效果：代码为： student = pd.read_csv('./input/small_data.csv') plt.figure(figsize=(25, 10)) sns.heatmap(student.corr(), annot=True, cmap='YlGnBu') plt.savefig('relevance.png') plt.show() 可以看到每个字都很小，那么接下来开始我们的调整坐标轴调整坐标轴，我们只需要在h

python可视化——热力图heatmap seaborn库

xiaohutong1991的专栏

08-03

1万+

核密度估计(kernel density estimation)是在概率论中用来估计未知的密度函数，属于非参数检验方法之一。通过核密度估计图可以比较直观的看出数据样本本身的分布特征。

sns.heatmap用法

weixin_42206101的博客

10-13

3556

sns.heatmap用法 import seaborn as sns sns.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt='.2g', annot_kws=None, linewidths=0, linecolor='white', cbar=True, cbar_kws=None, cbar_ax=None, square=False, xticklabels='aut

请给出使用sns.heatmap绘制注意力机制热力图的示例

05-12

好的，下面是一个使用sns.heatmap绘制注意力机制热力图的示例代码： ```python import seaborn as sns import numpy as np import matplotlib.pyplot as plt # 创建一个注意力矩阵（5x5的矩阵） attention = np.random.rand(5, 5) # 绘制热力图 sns.heatmap(attention, cmap="YlGnBu", annot=True, fmt=".2f") # 添加标题和标签 plt.title("Attention Map") plt.xlabel("Encoder Time Step") plt.ylabel("Decoder Time Step") plt.show() ``` 这段代码会生成一个5x5的注意力矩阵，并使用`sns.heatmap`绘制出热力图。参数`cmap`指定了使用的颜色映射，`annot`指定了是否在热力图上显示数值，`fmt`指定了数值的显示格式。最后，添加了标题和标签以便更好地解释热力图。

“相关推荐”对你有帮助么？

非常没帮助
没帮助
一般
有帮助
非常有帮助

提交