Keras二分类直方图：展示各输入类型的准确率

数据准备 #

首先你需要把40次试验中每个输入类型对应的准确率整理成结构化数据，比如用字典或Pandas DataFrame存储，键/列名为输入类型，值为对应40次试验的准确率列表。

方法1：每个输入类型单独绘制分布直方图（子图形式） #

这种方式适合清晰展示单个输入类型的准确率波动分布：

import pandas as pd
import matplotlib.pyplot as plt

# 替换为你的真实数据：每个输入类型对应40个准确率值
accuracy_results = {
    "文本类输入": [0.81, 0.83, 0.80, 0.85, ...],  # 补全40个数值
    "图像类输入": [0.75, 0.77, 0.74, 0.79, ...],
    "音频类输入": [0.90, 0.92, 0.88, 0.91, ...]
}

# 转换为DataFrame方便处理
df = pd.DataFrame(accuracy_results)

# 创建子图布局
fig, axes = plt.subplots(nrows=1, ncols=len(df.columns), figsize=(16, 5))

# 遍历每个输入类型绘制直方图
for ax, input_type in zip(axes, df.columns):
    # 绘制直方图，bins控制区间数量，edgecolor添加边框
    ax.hist(df[input_type], bins=7, edgecolor='black', alpha=0.7)
    ax.set_title(f"{input_type} 准确率分布")
    ax.set_xlabel("准确率")
    ax.set_ylabel("试验次数")

# 自动调整子图间距
plt.tight_layout()
plt.show()

方法2：同一画布展示所有输入类型的分布（分组直方图） #

如果需要对比不同输入类型的准确率分布，用这种方式更直观：

import seaborn as sns

# 将数据转换为长格式（Seaborn偏好的格式）
df_long = df.melt(var_name="输入类型", value_name="准确率")

plt.figure(figsize=(12, 6))
# multiple="dodge" 让直方图并列展示，避免重叠
sns.histplot(data=df_long, x="准确率", hue="输入类型", bins=7, 
             multiple="dodge", edgecolor='black', alpha=0.7)
plt.title("各输入类型40次试验准确率分布对比")
plt.xlabel("准确率")
plt.ylabel("试验次数")
plt.legend(title="输入类型")
plt.show()

额外补充：结合平均准确率与误差棒 #

如果需要同时展示平均水平和波动情况，可以在直方图基础上补充统计指标：

# 计算每个输入类型的平均准确率和标准差
stats = df.agg(['mean', 'std']).T

plt.figure(figsize=(10, 6))
# 绘制带误差棒的柱状图（标准差）
bars = plt.bar(stats.index, stats['mean'], yerr=stats['std'], 
               capsize=6, edgecolor='black', alpha=0.7)
plt.title("各输入类型40次试验平均准确率（含标准差）")
plt.xlabel("输入类型")
plt.ylabel("平均准确率")

# 在柱子上标注具体数值
for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height,
             f'{height:.2f}', ha='center', va='bottom', fontsize=10)

plt.show()

注意事项 #

• 调整bins参数可以改变直方图的区间数量，让分布展示更贴合你的数据
• 如果输入类型数量较多，可调整子图布局为多行多列（比如nrows=2, ncols=4）
• 确保你的准确率数据是按输入类型分组的，每个类型对应完整的40次试验结果

内容的提问来源于stack exchange，提问作者Paul