【796】Confusion Matrix 混淆矩阵相关

参考：sklearn.metrics.confusion_matrix

参考：Confusion matrix

参考：Matplotlib setting title bold while using "Times New Roman"

参考：seaborn.heatmap

参考：Choosing Colormaps in Matplotlib（colorbar关键字）

---

一、创建 Confusion Matrix （方法一）

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

# 两个数组存储在npy文件中了，下面为读取
y_true = list(np.load('y_true.npy'))
y_pred = list(np.load('y_pred.npy'))

# 计算混淆矩阵数量
C2 = confusion_matrix(y_true, y_pred, labels=[0, 1, 2])
# 计算百分比
C2_normal = np.round(C2/np.sum(C2, axis=1).reshape(-1, 1), 2)

sns.set()
sns.heatmap(C2_normal, cmap="YlGnBu", annot=True)

# 设置全局字体
plt.rcParams['font.sans-serif'] = 'Times New Roman'
# 设置x轴y轴的显示内容，并加粗
plt.xlabel("Predicted label", fontweight='bold')
plt.ylabel('True label', fontweight='bold')
# 设置x轴y轴的显示刻度
plt.xticks([0, 1, 2], [-1, 0, 1])
plt.yticks([0, 1, 2], [-1, 0, 1])

# 图像显示
#plt.show()

# 图像存储，PDF为矢量图
plt.savefig("Confusion_matrix.pdf")

效果：

通过 Adobe Acrobat 调整标签位置

参考：How to Plot Confusion Matrix Heatmap in Python

参考：Python中生成并绘制混淆矩阵（confusion matrix）

参考：How to format xticklabels in a confusion matrix plotted with scikit-learn / matplotlib?

---

二、创建 Confusion Matrix （方法二）

import seaborn as sns
from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt

# 两个数组存储在npy文件中了，下面为读取
y_true = list(np.load('y_true.npy'))
y_pred = list(np.load('y_pred.npy'))

# 计算混淆矩阵数量
C2 = confusion_matrix(y_true, y_pred, labels=[0, 1, 2])
# 计算百分比
C2_normal = np.round(C2/np.sum(C2, axis=1).reshape(-1, 1), 2)

sns.set()
f, ax = plt.subplots()
sns.heatmap(C2_normal, cmap="YlGnBu", annot=True, ax=ax) # heatmap

#ax.set_title('Normalized confusion maxtrix') # title
ax.set_xlabel('Predicted label')
ax.set_ylabel('True label')
ax.xaxis.set_ticklabels([-1, 0, 1])
ax.yaxis.set_ticklabels([-1, 0, 1])

效果：

参考：python画混淆矩阵(confusion matrix)

---

三、设置 matplotlib.pyplot 全局字体

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = 'Times New Roman'

参考：matplotlib字体设置看这一篇就够了