如何用R的cvms包绘制列和为1的面部表情识别混淆矩阵？

要实现每列（Target真实类别）内预测占比的混淆矩阵，直接使用cvms::plot_confusion_matrix()的内置参数即可，无需额外转换数据或切换环境。

核心实现步骤 #

• 指定normalize = "column"：将每个单元格值转换为对应Target列的占比，确保每列求和为1
• 若需匹配示例图的轴翻转效果，添加flip_axis = TRUE参数

代码示例 #

library(cvms)

# 替换为你的真实标签与预测标签数据
emotion_data <- data.frame(
  Target = factor(c("Happy", "Sad", "Angry", "Surprise", "Happy", "Sad", "Angry", "Surprise")),
  Prediction = factor(c("Happy", "Sad", "Happy", "Surprise", "Happy", "Angry", "Angry", "Surprise"))
)

# 生成混淆矩阵评估结果
cm_result <- evaluate(emotion_data, target_col = "Target", prediction_col = "Prediction")

# 绘制列归一化混淆矩阵（列和为1），并翻转轴匹配示例图
plot_confusion_matrix(
  cm_result$Confusion_Matrix,
  normalize = "column",
  flip_axis = TRUE,
  title = "面部表情识别混淆矩阵（列归一化）"
)

关键参数说明 #

• normalize = "column"：归一化方向为列（对应Target真实类别），每个单元格值代表该预测类别在对应真实类别中的占比，保证每列总和为1
• flip_axis = TRUE：交换横轴与纵轴的类别展示，匹配示例图的轴翻转布局
• 若已有现成的混淆矩阵矩阵对象，可先转换为cvms兼容格式：as_tibble(your_confusion_matrix, rownames = "Prediction")，并手动添加Target列对应真实类别

版本要求 #

确保cvms包版本≥1.0.0，若版本过低，执行install.packages("cvms")更新

内容的提问来源于stack exchange，提问作者grace.cutler