如何用Python绘制预测值为行、真实值为列的2x2混淆矩阵

你可以通过调整confusion_matrix的传入参数顺序和标签顺序快速实现需求，以下是可直接运行的修改后代码：

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

y_true = [1, 0, 1, 1, 0, 1]
y_pred = [0, 0, 1, 1, 0, 1]

print(f'y_true: {y_true}')
print(f'y_pred: {y_pred}\n')

# 核心调整：交换y_true和y_pred的传入位置，标签顺序改为正类1在前、负类0在后
cm = confusion_matrix(y_pred, y_true, labels=[1, 0])
print(cm)
disp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=[1, 0])
disp.plot()
# 手动指定轴含义，避免默认显示歧义
plt.xlabel('真实标签')
plt.ylabel('预测标签')
plt.show()

运行后输出的混淆矩阵结构完全符合你的要求：

TP | FP
FN | TN

原理说明 #

• sklearn的confusion_matrix默认第一个参数对应行标签，第二个参数对应列标签，因此交换y_true和y_pred的传入顺序，就能实现行是预测值、列是真实值的结构。
• 原标签顺序是[0,1]（负类在前正类在后），所以TN在左上角，把标签顺序改为[1,0]正类在前，就可以把TP移到左上角的位置。

如果你不想修改confusion_matrix的入参，也可以直接对原始混淆矩阵做变换，效果完全一致：

# 先拿到默认结构的混淆矩阵
cm = confusion_matrix(y_true, y_pred, labels=[0, 1])
# 转置交换行列对应关系 + 反转行和列顺序把正类移到前面
cm_adjusted = cm.T[::-1, ::-1]
disp = ConfusionMatrixDisplay(confusion_matrix=cm_adjusted, display_labels=[1, 0])
disp.plot()
plt.xlabel('真实标签')
plt.ylabel('预测标签')
plt.show()

内容的提问来源于stack exchange，提问作者Zion