python可视化——混淆矩阵(鸢尾花)

python可视化——混淆矩阵

最近学习模型评估,分享一下混淆矩阵这个小模块。这里用的是鸢尾花数据集(https://pan.baidu.com/s/1WwY7e4bN4r-Mz8fNKW7VOA
提取码jdta

首先是导入库,并设置一下图片格式大小

import pandas as pd
from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
from sklearn.svm import SVC
import numpy as np
from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt
from sklearn.metrics import precision_score, recall_score, f1_score

plt.rcParams['font.sans-serif'] = ['YaHei Consolas Hybrid']  # 用来正常显示中文标签
plt.rcParams['font.size'] = 16  # 用来设置字体大小
plt.rcParams['figure.figsize'] = (20, 16)  # 设置输出图片大小

其次是导入设置并划分训练集测试集(这里将各类改为独热编码)

# 导入数据
file = pd.read_csv('iris.csv')
df=file
#查看数据类别个数
df['Species'].value_counts()
df['Species_num'] = df['Species'].map({'setosa':1,'versicolor':2,'virginica':3})
df = df.drop(columns = ['Species'])
df.head()

X = df.loc[:, ["Sepal.Length","Sepal.Width","Petal.Length","Petal.Width"]]
y = df.loc[:, ["Species_num"]]
le = LabelEncoder()
y = le.fit_transform(y)  # 类标整数化

# 划分训练集合测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.20, random_state=1)
pipe_svc = Pipeline([('scl', StandardScaler()), ('clf', SVC(random_state=1))])
pipe_svc.fit(X_train, y_train)
y_pred = pipe_svc.predict(X_test)

在这里插入图片描述
最后就是混淆矩阵的可视化了哈

# 混淆矩阵并可视化
confmat = confusion_matrix(y_true=y_test, y_pred=y_pred)  # 输出混淆矩阵
print(confmat)
fig, ax = plt.subplots(figsize=(2.5, 2.5))
ax.matshow(confmat, cmap=plt.cm.Blues, alpha=0.3)
for i in range(confmat.shape[0]):
    for j in range(confmat.shape[1]):
        ax.text(x=j, y=i, s=confmat[i, j], va='center', ha='center')
plt.xlabel('predicted label')
plt.ylabel('true label')
plt.show()
# 召回率、准确率、F1
print('precision:%.3f' % precision_score(y_true=y_test, y_pred=y_pred,average= 'macro'))
print('recall:%.3f' % recall_score(y_true=y_test, y_pred=y_pred,average= 'macro'))
print('F1:%.3f' % f1_score(y_true=y_test, y_pred=y_pred,average= 'macro'))

在这里插入图片描述

友情链接

欢迎拜访(https://github.com/datawhalechina/hands-on-data-analysis/

  • 4
    点赞
  • 33
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“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
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值