python绘制已知数值的混淆矩阵

最新推荐文章于 2025-06-07 14:42:50 发布
最新推荐文章于 2025-06-07 14:42:50 发布
阅读量588 收藏 1
点赞数
CC 4.0 BY-SA版权
文章标签： python 矩阵 numpy
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_52468968/article/details/129697426
这篇博客展示了如何利用Python的numpy、pandas和seaborn库来绘制已知数值的混淆矩阵。通过创建一个3*3的混淆矩阵并将其转换为数据框，然后使用seaborn的heatmap函数，配合自定义的尺寸、标签和颜色映射，绘制出清晰的混淆矩阵图。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

import numpy as np

import pandas as pd

import seaborn as sns

import matplotlib.pyplot as plt

 

# 设置图形大小

plt.figure(figsize=(8,7))

 

# 创建一个3*3的混淆矩阵，已知其对应位置上的数字

cm = np.array([[1, 0, 0],

               [0, 23, 9],

               [0, 4, 3]])

 

xtick=['chat','video','web']

ytick=['chat','video','web']

# 将混淆矩阵转换为数据框，并添加行列标签

cm_df = pd.DataFrame(cm,

                     index=['chat','video','web'],

                     columns=['chat','video','web'])

sns.set(font_scale=1)

# sns.set(font_scale=10)

# 使用seaborn库画热力图，并设置相关参数

sns.heatmap(cm_df,

            cmap='Greys',

&nb

最低0.47元/天 解锁文章

200万优质内容无限畅学
大白2333
关注
【论文必用】Python绘制混淆矩阵
信小海
03-15 8509
本文详细介绍了使用Python绘制混淆矩阵的整个过程，相信后续需要写论文的同学必会用到。
Python遥感图像处理应用篇(二十八)：Python绘制遥感图像分类结果混淆矩阵和计算分类精度
soderayer的博客
01-04 1853
计算思路：（1）分别提取参考影像和分类影像像元值，通过GDAL读取栅格影像数据的像元值，使用pandas保存到dataframe中，第一列使用FID记录像元ID,第二列记录像元值。（2）合并两个dataframe为新的dataframe，参考影像中像元值包含实际类别以及背景值0值，我们需要删除背景值所对应的像元，因此，根据删除像元值为0的数据。（3）分别读取上述结果中的参考像元和分类像元对应的值，获得参考值和分类值两个序列的数值。（4）对上述两个系列的值进行精度计算和制图可视化分析。
图像分类模型评估之用python绘制混淆矩阵confusion_matrix
weixin_43984636的博客
03-31 6405
import oslabel = filename.split('.')[0] # 假设文件名为"label.image_id.jpg"格式label = label.split('_')[0] # 仅保留label信息# 加载数据集并进行预处理transforms.Resize((224, 224)), # 图像大小调整为224x224transforms.ToTensor(), # 将图像转换为Tensor格式，并将像素值缩放到[0, 1]
详解使用python绘制混淆矩阵（confusion_matrix）
01-01
Summary 涉及到分类问题，我们经常需要通过可视化混淆矩阵来分析实验结果进而得出调参思路，本文介绍如何利用python绘制混淆矩阵（confusion_matrix），本文只提供代码，给出必要注释。 Code​ # -*-coding:utf-8-*- from sklearn.metrics import confusion_matrix import matplotlib.pyplot as plt import numpy as np #labels表示你不同类别的代号，比如这里的demo中有13个类别 labels = ['A', 'B', 'C', 'F', 'G', 'H
由已知的混淆矩阵数值重新画混淆矩阵
weixin_51376761的博客
07-13 712
由已知的混淆矩阵数值重新怎么才能画出来文章里能发的混淆矩阵呢？
输入TP，TN，FP和FN，然后输出混淆矩阵和评价指标的Python代码
332295505的博客
05-09 520
该文章介绍了混淆矩阵的概念及其在评估分类模型性能中的作用。混淆矩阵是一个重要的工具，用于比较分类算法的预测结果与实际类别，以评估分类器的准确性。文章还提供了基于Python的代码示例，可以输入真正例（TP）、真负例（TN）、假正例（FP）和假负例（FN），然后输出混淆矩阵图以及准确率、精度、召回率和F1得分等性能指标。
混淆矩阵生成及其可视化
海淀小天的blog
02-22 1万+
目的：传入两个数组（真实值和预测结果），计算混淆矩阵并使用matplotlib可视化出来 参考自《PyTorch 模型训练实用教程》 作者：余霆嵩    https://github.com/tensor-yu/PyTorch_Tutorial import numpy as np import os import matplotlib.pyplot as plt cls_num=5 l...
使用Python绘制混淆矩阵热力图的原理与实现
m0_66471479的博客
07-16 830
在机器学习和数据挖掘中，评估分类模型性能的一个重要工具是混淆矩阵。混淆矩阵提供了一个直观的方式来查看分类模型的表现，尤其是在处理多类分类问题时。本文将详细介绍混淆矩阵的基本原理，并使用Python和常用的可视化库来实现混淆矩阵热力图的绘制。通过具体的代码示例和分析，我们将深入理解如何利用混淆矩阵热力图来评估和改进分类模型。
Matplotlib 在 Python 绘制医学数据图表中的应用
最新发布
Python编程之道的博客
06-07 879
医学数据的复杂性（时间序列、分类统计、空间分布）对可视化提出了特殊需求。本文以Python最经典的绘图库Matplotlib为工具，结合真实医学场景（如ICU生命体征监测、临床试验疗效分析、基因表达谱展示），逐步解析如何用Matplotlib绘制专业级医学图表。从基础概念到实战案例，覆盖折线图、箱线图、热图等核心图表类型，帮助医学研究者、数据分析师快速掌握“用图表讲好医学故事”的关键技能。时间序列：ICU患者每5分钟记录的心率、血压（高频采样）；分类统计：不同年龄组、治疗方案下的康复率对比（分组分析）；
已知数据集是128*128的灰度图像数据集，基于pytorch，编写python程序，创建基于预训练模型的ResNet类，实现数据集的训练和测试。要求：输出每个epoch的损失函数值，训练正确率，测试正确率和混淆矩阵等。
12-14
好的，下面是一个基于PyTorch的Python程序，使用预训练的ResNet模型对128*128的灰度图像数据集进行训练和测试。...程序会训练模型并输出每个epoch的损失函数值、训练正确率和测试正确率，同时还会绘制混淆矩阵。
使用DBSCN的混淆矩阵图
05-10
### 使用 DBSCAN 模型生成 CICIDS2017 数据集的混淆矩阵图 DBSCAN（Density-Based Spatial Clustering of Applications with ...上述代码片段展示了如何绘制一个清晰易懂的热力图样式混淆矩阵图表[^2]^。 --- ###
Python使用pandas的crosstab函数计算混淆矩阵并使用Seaborn可视化混淆矩阵实战
data+scenario+science+insight
09-28 724
Python使用pandas的crosstab函数计算混淆矩阵并使用Seaborn可视化混淆矩阵实战 目录 Python使用pandas的crosstab函数计算混淆矩阵并使用Seaborn可视化混淆矩阵实战 #仿真数据 #使用pandas的crosstab函数绘制混淆矩阵 #使用seaborn可视化pd.crosstab函数计算获得的混淆矩阵 #通过添加margins = True参数输出边界汇总值获得更加丰富的混淆矩阵 #仿真数据 import pandas as pd da
confusion matrix的理解
皮卡丘的情绪
07-04 1486
3*3 confusion matrix的理解 基于示例中的3x3混淆矩阵（假设我正确理解了标签），列为预测值，因此行必须为实际值。 主对角线（64、237、165）给出正确的预测。 即，实际值与模型预测相同的情况。 第一行是实际的男性。 该模型预测了其中的64个正确和不正确地预测了46位男性为女性，而139位男性为婴儿。 在男性列中，模型预测的128位男性（M列的总和）中，实际有64位男性，而错误地将男性预测为12位的女性和错误地将男性预测为婴儿的52位。 类似的解释适用于其他列和行，也可以类推到n*n
生成2×2 或3*3 混淆矩阵（confusion matrix）的python代码
zy的博客
08-07 876
生成2×2 或3*3 混淆矩阵（confusion matrix）的python代码
一文彻底理解混淆矩阵
Thomas_Cai的记忆殿堂
12-31 4448
一文彻底理解混淆矩阵
混淆矩阵的生成
博客首页
03-09 1万+
混淆矩阵（Confusion Matrix）是一个二维表格，常用于评价分类模型的性能。在混淆矩阵中，每一列代表了预测值，每一行代表了真实值。因此，混淆矩阵中的每一个元素表示了一个样本被预测为某一类别的次数。预测值=正例预测值=反例真实值=正例TPFN真实值=反例FPTN其中，TP表示真正例（True Positive），FN表示假反例（False Negative），FP表示假正例（False Positive），TN表示真反例（True Negative）。
利用python进行混淆矩阵的绘制
聪慧的橘子洲的博客
05-30 2211
话不多说，用python绘制混淆矩阵，下面直接附上代码。
Python 绘制混淆矩阵
北国觅梦
05-22 3833
这篇的文章的好多代码都源自于博客，我只是把他们重新整合，然后变成了我需要的漂亮的，适合放在论文中图片代码。 参考链接： https://blog.csdn.net/weixin_38314865/article/details/88989506 https://www.cnblogs.com/ZHANG576433951/p/11233159.html https://blog.csdn.net/qq_37851620/article/details/100642566?utm_source=ap.
利用python绘制混淆矩阵
热门推荐
LJC的博客
11-13 5万+
利用python绘制混淆矩阵，直接附代码。 from sklearn.metrics import confusion_matrix import pandas as pd import matplotlib.pyplot as plt y_pred = [] y_true = [] # 对上面进行赋值 C=confusion_matrix(y_true, y_pred, labels=['0','1','2','3','4']) plt.matshow(C, cmap=plt.cm.Reds) #
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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