今天也是自己用seaborn的heatmap花了一个混淆矩阵
sns.heatmap(ConfusoinMatrix,annot=True,ax=ax,cmap=‘Greens’)
发现他这个对数据倾斜的数据很不友好啊
如果有一个类别的数据超级多,那么其他的类别分类之后根本看不清
就像没有正确分类一样
就像这样
但是为了改善我们可以从这几个参数来改
第一个sns.heatmap(robust=True)
他的英文注解的意思是说如果这个参数为真的话,那么就用更稳健的数字来作为cbar也就是右边这个长条的分位值,而不是取极值
效果如下
可以看到颜色深了一点,分位值也从8000到5000了
但是我们觉得还不够明显
那么就用sns.heatmap(vmin=0,vmax=3000)
vmin和vmax两个参数,他们的注释是说,当你不设置他们的时候,cbar的范围是从你的数据获取的,但你人为设置了之后
就会变成你自己设置的范围
我们可以把最大值调成你第二、三多的标签类的数据值,这样就能更凸显你的值了
效果如下
seaborn.heatmap部分参数解释
最新推荐文章于 2024-04-16 08:53:14 发布