python中confusion matrix_如何用python画好confusion matrix

'''''compute confusion matrix

labels.txt: contain label name.

predict.txt: predict_label true_label

'''

from sklearn.metrics import confusion_matrix

import matplotlib.pyplot as plt

import numpy as np

#load labels.

labels = []

file = open('labels.txt', 'r')

lines = file.readlines()

for line in lines:

labels.append(line.strip())

file.close()

y_true = []

y_pred = []

#load true and predict labels.

file = open('predict.txt', 'r')

lines = file.readlines()

for line in lines:

y_true.append(int(line.split(" ")[1].strip()))

y_pred.append(int(line.split(" ")[0].strip()))

file.close()

tick_marks = np.array(range(len(labels))) + 0.5

def plot_confusion_matrix(cm, title='Confusion Matrix', cmap = plt.cm.binary):

plt.imshow(cm, interpolation='nearest', cmap=cmap)

plt.title(title)

plt.colorbar()

xlocations = np.array(range(len(labels)))

plt.xticks(xlocations, labels, rotation=90)

plt.yticks(xlocations, labels)

plt.ylabel('True label')

plt.xlabel('Predicted label')

cm = confusion_matrix(y_true, y_pred)

print cm

np.set_printoptions(precision=2)

cm_normalized = cm.astype('float')/cm.sum(axis=1)[:, np.newaxis]

print cm_normalized

plt.figure(figsize=(12,8), dpi=120)

#set the fontsize of label.

#for label in plt.gca().xaxis.get_ticklabels():

#    label.set_fontsize(8)

#text portion

ind_array = np.arange(len(labels))

x, y = np.meshgrid(ind_array, ind_array)

for x_val, y_val in zip(x.flatten(), y.flatten()):

c = cm_normalized[y_val][x_val]

if (c > 0.01):

plt.text(x_val, y_val, "%0.2f" %(c,), color='red', fontsize=7, va='center', ha='center')

#offset the tick

plt.gca().set_xticks(tick_marks, minor=True)

plt.gca().set_yticks(tick_marks, minor=True)

plt.gca().xaxis.set_ticks_position('none')

plt.gca().yaxis.set_ticks_position('none')

plt.grid(True, which='minor', linestyle='-')

plt.gcf().subplots_adjust(bottom=0.15)

plot_confusion_matrix(cm_normalized, title='Normalized confusion matrix')

#show confusion matrix

plt.show()