python matplotlib画图时混淆矩阵重叠了_Matplotlib交互式图表——混淆矩阵可视化

大修了一波bug，终于有时间来码字辣。之前写的太乱了，这个工具的初衷是通过混淆矩阵进行模型的诊断，毕竟除了loss以外，大部分的性能都可以从混淆矩阵导出。而将混淆矩阵的序列进行可视化，有助于得到对模型变化更直观的认识。

我们提供了三种分析的工具：混淆矩阵(热图)：用于观察混淆矩阵随Epoch的变化

2. 模型性能：Accuracy, Precision, Recall, F1 Score (即Dice score) 随Epoch的变化(即常规的训练进程图)，包括整体性能(各类别平均)，以及每个类别的性能(against all others class)

3. FP/FN 散点图：用于分析模型的错误倾向，并支持显示随时间的演化

如果你对这个小工具感兴趣，欢迎check：jiaoyiping630/Confusion_Visualization​github.com

使用几行简单的指令，即可得到如上演示的效果：

train_confusion_path = './confusion_example/confusions_train.pkl'

valid_confusion_path = './confusion_example/confusions_validate.pkl'

from pinglib.interactive.confusion_visualization import Confusion_Visualization

conf_visual = Confusion_Visualization(train_confusion_path, valid_confusion_path)

后面的内容 之 写在前面：

我相信已经有许多更优秀的可视化工具，我并没有做广泛的比较，而是只从用过的lib开始，主要是也很享受这样build from scratch(并不)的过程。交互式图表本身是一件很有意义的事情，让你能够打造更趁手的小工具，事实上由于Matplotlib的并不易用性，我也发现很多道友也在问同样的问题。

为了制作这个工具，从一个小白开始，经历了各种搜索查阅，try and error，花费了不少的时间。所以我想将其中的要点记录下来，作为一个Matplotlib交互图表的入门笔记，以对得起这个盛夏的蜗居周末，也许还能够让后来者更方便查阅。但显然，内容会零碎的多。

1. 将对象绘制在指定的Figure与Axes上

通常我们会使用plt.imshow(), plt.scatter(), plt.plot() 这样的指令进行绘图，但对于复杂的图表这并不能进行精细的控制。从我个人的理解，绘图的对象(也许)包含三个层次：Figure -> Axes -> Object。

为什么要有这样复杂的设计呢？Figure相当于打开的一个窗口/画板，Axes则是在窗口中的一个区域/画纸(例如subplot)，而Plot、Scatter这样的对象/内容，是绘制在某个特定的区域的。一个画板上当然可以铺好几张纸，每一张纸上，当然可以画好多个东西，大概是这种逻辑。

首先是Figure，这相当于是一个画板&#x