sklearn中如何将混淆矩阵坐标轴数值替换为对应字母标签

sklearn的ConfusionMatrixDisplay原生支持自定义坐标轴标签，不需要手动修改matplotlib刻度属性，按以下步骤修改即可：

• 先修正原映射字典的语法错误：'P': 18 后缺失逗号，补全后反转字典得到「数字编码→字母标签」的映射关系
• 按类别编码升序（0到25）排序，提取出和混淆矩阵默认刻度顺序完全匹配的字母标签列表
• 初始化ConfusionMatrixDisplay时传入display_labels参数，值为排序后的标签列表

修改后的可运行完整代码：

import matplotlib.pyplot as plt
from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay

# 补全语法错误后的字母-数字编码映射字典
label_map = {
    'A': 7,'B': 6,'C': 14,'D': 2,'E': 19,'F': 13,
    'G': 4,'H': 15, 'I': 1, 'J': 8, 'K': 24, 'L': 17,
    'M': 9, 'N': 3, 'O': 11, 'P': 18, 'Q': 22, 'R': 12,
    'S': 5, 'T': 0, 'U': 23, 'V': 20, 'W': 16, 'X': 10,
    'Y': 21, 'Z': 25
}

# 按数字编码升序排列，得到和混淆矩阵刻度顺序一致的标签列表
sorted_class_labels = [char for char, code in sorted(label_map.items(), key=lambda x: x[1])]

# 计算混淆矩阵
cm = confusion_matrix(y_class, y_pred_class)
# 初始化绘图对象时直接传入自定义标签
disp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=sorted_class_labels)

fig, ax = plt.subplots(figsize=(10,10))
ax.set_title("Confusion Matrix for Artificial neural network")
disp.plot(ax=ax)
plt.show()

备选方案：如果你已经完成绘图逻辑再需要修改标签，可以在disp.plot(ax=ax)代码后追加两行代码手动替换刻度，效果和传参一致：

ax.set_xticklabels(sorted_class_labels)
ax.set_yticklabels(sorted_class_labels)

优先推荐初始化传参的写法，能避免手动改刻度容易出现的标签错位问题。

内容的提问来源于stack exchange，提问作者Socka