python绘制混淆矩阵

要在Python中绘制机器学习中的混淆矩阵，我们可以使用一些流行的数据科学库，如NumPy、Matplotlib和Scikit-learn。以下是一种基本的方法来实现：

1. 导入所需的库：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import confusion_matrix

2. 准备真实标签和预测标签：

y_true = np.array([0, 1, 0, 1, 0, 1, 0, 1])
y_pred = np.array([0, 0, 1, 1, 0, 1, 1, 0])

在这个例子中，y_true是真实的类别标签，y_pred是预测的类别标签。

3. 计算混淆矩阵：

cm = confusion_matrix(y_true, y_pred)

这将计算真实标签和预测标签之间的混淆矩阵。

4. 可视化混淆矩阵：

fig, ax = plt.subplots()
ax.imshow(cm, cmap='Blues')

# 添加颜色条
cbar = ax.figure.colorbar(ax.imshow(cm, cmap='Blues'))
cbar.ax.set_ylabel('数量', rotation=-90, va="bottom")

# 添加文本
for i in range(cm.shape[0]):
    for j in range(cm.shape[1]):
        ax.text(j, i, cm[i, j],
                ha="center", va="center",
                color="white" if cm[i, j] > np.max(cm) / 2 else "black")

ax.set_xlabel('预测标签')
ax.set_ylabel('真实标签')
ax.set_title('混淆矩阵')

plt.show()

这段代码将绘制混淆矩阵，并配以相应的颜色条和标签。

运行以上代码，你将获得一个漂亮的混淆矩阵可视化图。

请注意，以上的示例是一个简单的二分类问题的混淆矩阵。在多分类问题中，混淆矩阵的维度会相应增加。此外，你还可以对混淆矩阵进行其他定制化的样式和表现形式。

希望以上内容能帮助你绘制机器学习中的混淆矩阵，并更好地理解模型的预测性能。