如何在scikit-learn生成的混淆矩阵单元格中添加自定义标注文本？

实现方法 #

不需要手动调用annotate指定坐标，scikit-learn的ConfusionMatrixDisplay实例自带text_属性，是和混淆矩阵维度一致的文本对象数组，直接修改每个位置的文本内容即可，操作非常简便。

适配你的场景的修改后代码 #

from sklearn import metrics
import matplotlib.pyplot as plt

# 此处请提前定义好你的y_true和y_pred变量
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))
fig.tight_layout()

# 第一个混淆矩阵：benign为正例
cm_benign = metrics.ConfusionMatrixDisplay.from_predictions(
    y_true, y_pred, ax=ax1, labels=["benign", "malignant"], colorbar=False
)
ax1.set_title("Confusion Matrix (Benign as +)")
# 修改单元格标注，以下写法会保留原有的数值统计结果，不需要的话可以去掉f-string里的原有文本部分
cm_benign.text_[0,0].set_text(f"True Positive（真阳性）\n{cm_benign.text_[0,0].get_text()}")
cm_benign.text_[0,1].set_text(f"False Negative（假阴性）\n{cm_benign.text_[0,1].get_text()}")
cm_benign.text_[1,0].set_text(f"False Positive（假阳性）\n{cm_benign.text_[1,0].get_text()}")
cm_benign.text_[1,1].set_text(f"True Negative（真阴性）\n{cm_benign.text_[1,1].get_text()}")

# 第二个混淆矩阵：malignant为正例
cm_malignant = metrics.ConfusionMatrixDisplay.from_predictions(
    y_true, y_pred, ax=ax2, labels=["malignant", "benign"], colorbar=False
)
ax2.set_title("Confusion Matrix (Malignant as +)")
cm_malignant.text_[0,0].set_text(f"True Positive（真阳性）\n{cm_malignant.text_[0,0].get_text()}")
cm_malignant.text_[0,1].set_text(f"False Negative（假阴性）\n{cm_malignant.text_[0,1].get_text()}")
cm_malignant.text_[1,0].set_text(f"False Positive（假阳性）\n{cm_malignant.text_[1,0].get_text()}")
cm_malignant.text_[1,1].set_text(f"True Negative（真阴性）\n{cm_malignant.text_[1,1].get_text()}")

fig.subplots_adjust(wspace=0.8)
plt.show()

注意事项 #

• text_属性在scikit-learn 0.24及以上版本可用，如果你的版本过低，先升级scikit-learn即可
• 混淆矩阵默认行对应真实标签、列对应预测标签，修改标注前注意对应你设置的正负例顺序，避免标注填错位置

内容的提问来源于stack exchange，提问作者ilovewt