matplotlib畫(huà)混淆矩陣與正確率曲線的實(shí)例代碼

更新時(shí)間：2021年06月01日 09:02:09 作者：小魚(yú)愛(ài)吃肉

混淆矩陣也稱(chēng)誤差矩陣，是表示精度評(píng)價(jià)的一種標(biāo)準(zhǔn)格式，下面這篇文章主要給大家介紹了關(guān)于matplotlib畫(huà)混淆矩陣與正確率曲線的相關(guān)資料，需要的朋友可以參考下

混淆矩陣

混淆矩陣(Confusion Matrix)是機(jī)器學(xué)習(xí)中用來(lái)總結(jié)分類(lèi)模型預(yù)測(cè)結(jié)果的一個(gè)分析表，是模式識(shí)別領(lǐng)域中的一種常用的表達(dá)形式。它以矩陣的形式描繪樣本數(shù)據(jù)的真實(shí)屬性和分類(lèi)預(yù)測(cè)結(jié)果類(lèi)型之間的關(guān)系，是用來(lái)評(píng)價(jià)分類(lèi)器性能的一種常用方法。

我們可以通過(guò)一個(gè)簡(jiǎn)單的例子來(lái)直觀理解混淆矩陣

#!/usr/bin/python3.5
# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['FangSong']  #可顯示中文字符
plt.rcParams['axes.unicode_minus']=False
classes = ['a','b','c','d','e','f','g']
confusion_matrix = np.array([(99,1,2,2,0,0,6),(1,98,7,6,2,1,1),(0,0,86,0,0,2,0),(0,0,0,86,1,0,0),(0,0,0,1,94,1,0),(0,1,5,1,0,96,8),(0,0,0,4,3,0,85)],dtype=np.float64)
 
plt.imshow(confusion_matrix, interpolation='nearest', cmap=plt.cm.Oranges)  #按照像素顯示出矩陣
plt.title('混淆矩陣')
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配對(duì)，遍歷矩陣迭代器
iters = np.reshape([[[i,j] for j in range(7)] for i in range(7)],(confusion_matrix.size,2))
for i, j in iters:
    plt.text(j, i, format(confusion_matrix[i, j]),fontsize=7)   #顯示對(duì)應(yīng)的數(shù)字
 
plt.ylabel('真實(shí)類(lèi)別')
plt.xlabel('預(yù)測(cè)類(lèi)別')
plt.tight_layout()
plt.show()

正確率曲線

    fig ,ax= plt.subplots()
    plt.plot(np.arange(iterations), fig_acc，'b')
    plt.plot(np.arange(iterations), fig_realacc, 'r')
    ax.set_xlabel('迭代次數(shù)')
    ax.set_ylabel('正確率（%）')
 
    labels = ["訓(xùn)練正確率", "測(cè)試正確率"]
    # labels = [l.get_label() for l in lns]
    plt.legend( labels, loc=7)
    plt.show()

總結(jié)

到此這篇關(guān)于matplotlib畫(huà)混淆矩陣與正確率曲線的文章就介紹到這了,更多相關(guān)matplotlib畫(huà)混淆矩陣內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

相關(guān)文章

詳解python中asyncio模塊
本篇文章給大家詳細(xì)分析了python中重要的asyncio模塊相關(guān)知識(shí)點(diǎn)，有興趣的朋友可以學(xué)習(xí)參考下。
2018-03-03
python代數(shù)式括號(hào)有效性檢驗(yàn)示例代碼
這篇文章主要給大家介紹了關(guān)于python代數(shù)式括號(hào)有效性檢驗(yàn)的相關(guān)資料，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
2020-10-10
python基于socket進(jìn)行端口轉(zhuǎn)發(fā)實(shí)現(xiàn)后門(mén)隱藏的示例
今天小編就為大家分享一篇python基于socket進(jìn)行端口轉(zhuǎn)發(fā)實(shí)現(xiàn)后門(mén)隱藏的示例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
2019-07-07
Python中super函數(shù)的用法
這篇文章主要介紹了Python中super函數(shù)的用法，詳細(xì)的介紹了Python super函數(shù)的具體用法和實(shí)例，具有一定的參考價(jià)值，有興趣的可以了解一下
2017-11-11
利用setuptools打包python程序的方法步驟
這篇文章主要介紹了利用setuptools打包python程序的方法步驟，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
2020-01-01
Python無(wú)參裝飾器的實(shí)現(xiàn)方案及優(yōu)化
裝飾器(Decorators)是 Python 的一個(gè)重要部分,所謂裝飾器就是閉包函數(shù)的一種應(yīng)用場(chǎng)景,這篇文章主要給大家介紹了關(guān)于Python無(wú)參裝飾器的相關(guān)資料,需要的朋友可以參考下
2021-08-08
Python文件讀取read()?readline()?readlines()函數(shù)使用場(chǎng)景技巧示例
這篇文章主要介紹了Python文件讀取read() readline()及readlines()函數(shù)使用場(chǎng)景技巧示例，有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
2023-08-08
Python腳本/代碼的幾種常見(jiàn)運(yùn)行方式
我們知道,python腳本或者說(shuō)python程序其實(shí)是一個(gè)包含了python代碼的文件,通過(guò)運(yùn)行python代碼,我們可以驗(yàn)證腳本/程序是否按照我們的期望執(zhí)行,在python中,有多種方式來(lái)運(yùn)行腳本或程序,取決于小伙伴們的需求,接下來(lái)小編將介紹幾種常見(jiàn)的 python 代碼運(yùn)行方式
2023-10-10
pycharm如何添加解釋器
這篇文章主要介紹了pycharm如何添加解釋器問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
2023-08-08
python實(shí)現(xiàn)的文件同步服務(wù)器實(shí)例
這篇文章主要介紹了python實(shí)現(xiàn)的文件同步服務(wù)器,實(shí)例分析了文件同步服務(wù)器的原理及客戶(hù)端、服務(wù)端的實(shí)現(xiàn)技巧,需要的朋友可以參考下
2015-06-06