如何在Python中生成单张多分类混淆矩阵？

1. 导入依赖库与加载数据 #

先导入所需工具库，再加载你的真实标签和预测标签数据：

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

# 加载数据
df_true = pd.DataFrame({
    "y_true": [0,0,1,1,0,2]
})

df_pred = pd.DataFrame({
    "y_pred": [0,1,2,0,1,2]
})

2. 计算混淆矩阵 #

提取标签列并计算混淆矩阵，矩阵中的每个值代表对应真实类别与预测类别的样本数量：

y_true = df_true['y_true']
y_pred = df_pred['y_pred']

# 计算混淆矩阵
confusion_mat = confusion_matrix(y_true, y_pred)

3. 可视化混淆矩阵 #

用热力图可视化混淆矩阵，清晰展示各类别的预测与真实值对应情况：

# 设置绘图参数
sns.set(font_scale=1.2)
plt.figure(figsize=(6, 4))

# 绘制热力图，显示样本计数
ax = sns.heatmap(confusion_mat, 
                 annot=True, 
                 fmt='d', 
                 cmap='Blues',
                 xticklabels=['类别0', '类别1', '类别2'],
                 yticklabels=['类别0', '类别1', '类别2'])

# 设置轴标签与标题
ax.set_xlabel('预测标签')
ax.set_ylabel('真实标签')
ax.set_title('多分类混淆矩阵')

# 展示图形
plt.show()

关键参数说明 #

• annot=True：在矩阵单元格内显示具体的样本数量
• fmt='d'：确保以整数格式显示样本计数
• xticklabels/yticklabels：可替换为你的实际类别名称，比如分类任务中的"猫""狗""鸟"等

内容的提问来源于stack exchange，提问作者juanmac