最近在做深度学习CNN玉米病害识别,模型训练完成需要绘制混淆矩阵作为模型性能评估的指标之一。
下面附上混淆矩阵的绘制代码:
import numpy as np
import matplotlib.pyplot as plt
# classes = ['A','B','C','D','E']
# confusion_matrix = np.array([(9,1,3,4,0),(2,13,1,3,4),(1,4,10,0,13),(3,1,1,17,0),(0,0,0,1,14)],dtype=np.float64)
# 标签
classes=[' 小斑病 ','大斑病',' 锈病','健康']
# 标签的个数
classNamber=4 #表情的数量
# 在标签中的矩阵
confusion_matrix = np.array([[233 , 0 , 0 , 0],
[ 0 ,200 , 0 , 0],
[ 0, 0, 404 , 0],
[ 0 , 0 , 2 ,158]],dtype=np.float64)
plt.imshow(confusion_matrix, interpolation='nearest', cmap=plt.cm.Oranges) #按照像素显示出矩阵
plt.title('混淆矩阵')
plt.colorbar()
tick_marks = np.arange(len(classes))
plt.xticks(tick_marks, classes, rotation=-45)
plt.yticks(tick_marks, classes)
thresh = confusion_matrix.max() / 2.
#iters = [[i,j] for i in range(len(classes)) for j in range((classes))]
#ij配对,遍历矩阵迭代器
iters = np.reshape([[[i,j] for j in range(classNamber)] for i in range(classNamber)],(confusion_matrix.size,2))
for i, j in iters:
plt.text(j, i, format(confusion_matrix[i, j]),va='center',ha='center') #显示对应的数字
plt.ylabel('真实标签')
plt.xlabel('预测标签')
plt.tight_layout()
plt.show()
效果图
备注:在绘制过程中可能会出现中文字符显示不出来的情况,下面附上解决方法:
点击查看python画图中文字符乱码解决教程