2019/07/17
以往都是直接使用了混淆矩阵直接查看数据,没有具体看过到底是什么样子,今天想起了kaggle上他们使用图形的方式来展现这部分内容。
![](https://i-blog.csdnimg.cn/blog_migrate/3d3a5d021847969afb3cc816e1dc7c14.png)
这部分的代码是直接使用了官网这部分的示例,将原来的代码稍加修改就可以了。
但是因为画出来的图非常小,所以就直接在subplot
中添加了figsize=(12,10)
的参数。
一开始的时候,添加的是(10,12),导致的结果就是颜色条非常高,很不协调,之后改成了上面的参数,就有了上图。
具体的关于颜色条的编程可以看文献[2],目前还没有具体看,不过我感觉应该是非常详细的对这部分进行控制的。
2019/07/17
想起来了之前用过sns对这部分绘画,sns.heatmap(cm,annot=True,cmap="BuPu",fmt="d")
其中cm
就是函数直接输出的混淆矩阵。但是因为没有标签,全都是数字,看到其起一个参数可以为df
,然后名字会自动采用index/columns,所以把这个东西转化为df。df_cm = pd.DataFrame(cm, index = enc.classes_, columns =enc.classes_)
,enc
为之前进行编码得到的一个编码器。
然后横轴标签默认是竖直的字符串,再使用fig.autofmt_xdate()
进行自动优化。
这样基本上一个图就算完成了。
对于这部分的内容的话,可以参考流量里面的feature Explore
,里面包括官方和自己的两个实现都有,后面自己的实现也调整了DPI。
![](https://i-blog.csdnimg.cn/blog_migrate/dd2258f97634a75b003fc77d229bfeac.png)
主要参考了[3][4][5]
Plot a Confusion Matrix
混淆矩阵的图片
import numpy as np
def plot_confusion_matrix(cm,
target_names,
title='Confusion matrix',
cmap=None,
normalize=True):
"""
given a sklearn confusion matrix (cm), make a nice plot
Arguments
---------
cm: confusion matrix from sklearn.metrics.confusion_matrix
target_names: given classification classes such as [0, 1, 2]
the class names, for example: ['high', 'medium', 'low']
title: the text to display at the top of the matrix
cmap: the gradient of the values displayed from matplotlib.pyplot.cm
see http://matplotlib.org/examples/color/colormaps_reference.html
plt.get_cmap('jet') or plt.cm.Blues
normalize: If False, plot the raw numbers
If True, plot the proportions
Usage
-----
plot_confusion_matrix(cm = cm, # confusion matrix created by
# sklearn.metrics.confusion_matrix
normalize = True, # show proportions
target_names = y_labels_vals, # list of names of the classes
title = best_estimator_name) # title of graph
Citiation
---------
http://scikit-learn.org/stable/auto_examples/model_selection/plot_confusion_matrix.html
"""
import matplotlib.pyplot as plt
import numpy as np
import itertools
accuracy = np.trace(cm) / float(np.sum(cm))
misclass = 1 - accuracy
if cmap is None:
cmap = plt.get_cmap('Blues')
plt.figure(figsize=(8, 6))
plt.imshow(cm, interpolation='nearest', cmap=cmap)
plt.title(title)
plt.colorbar()
if target_names is not None:
tick_marks = np.arange(len(target_names))
plt.xticks(tick_marks, target_names, rotation=45)
plt.yticks(tick_marks, target_names)
if normalize:
cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]
thresh = cm.max() / 1.5 if normalize else cm.max() / 2
for i, j in itertools.product(range(cm.shape[0]), range(cm.shape[1])):
if normalize:
plt.text(j, i, "{:0.4f}".format(cm[i, j]),
horizontalalignment="center",
color="white" if cm[i, j] > thresh else "black")
else:
plt.text(j, i, "{:,}".format(cm[i, j]),
horizontalalignment="center",
color="white" if cm[i, j] > thresh else "black")
plt.tight_layout()
plt.ylabel('True label')
plt.xlabel('Predicted label\naccuracy={:0.4f}; misclass={:0.4f}'.format(accuracy, misclass))
plt.show()
参考文献
[1]Confusion matrix
[2]解决python画图中colorbar设置刻度和标签字体大小
[3]seaborn.heatmap
[4]混淆矩阵的绘制(Plot a confusion matrix)(看它的参考资料)
[5]how-can-i-plot-a-confusion-matrix