如何实现多标签分类场景下混淆矩阵的可视化呈现

以下是4种可直接落地的实现方式：

分块热力图矩阵 #

• 将4个标签各自的二分类混淆矩阵按2×2网格排布，每个子图对应1个标签的混淆矩阵
• 用颜色深浅表示单元格的样本数量，每个单元格标注具体数值，子图标题注明对应标签名称
• 可统一设置全局色阶，方便横向对比不同标签的错误分布差异
• Python实现参考：

import seaborn as sns
import matplotlib.pyplot as plt

# 入参说明：confusion_matrices为存储4个标签混淆矩阵的列表，label_names为4个标签的名称列表
fig, axes = plt.subplots(2, 2, figsize=(12, 10))
for idx, ax in enumerate(axes.flat):
    sns.heatmap(confusion_matrices[idx], annot=True, fmt='d', cmap='Blues', ax=ax)
    ax.set_title(f'标签：{label_names[idx]} 混淆矩阵')
    ax.set_xlabel('预测类别')
    ax.set_ylabel('真实类别')
plt.tight_layout()
plt.show()

分类指标汇总对比柱状图 #

• 从每个标签的混淆矩阵中提取精确率、召回率、F1值、准确率4个核心评估指标
• 用分组柱状图呈现所有标签的指标对比：x轴为标签名称，不同颜色柱体对应不同指标，y轴为指标得分
• 该方式可以快速定位表现最差的标签，整体评估多标签分类模型的效果

错误分布桑基图 #

• 整合所有标签的预测错误样本流向：左侧节点为真实标签组合，中间节点为预测标签组合，右侧节点为错误类型（假阳性/假阴性）
• 边的宽度对应该类错误的样本数量，可直观呈现多标签场景下的错误关联规律，比如哪些标签容易同时出现误判

归一化混淆矩阵热力图 #

• 如果4个标签的样本量差异较大，先对每个混淆矩阵做按行/按列归一化，将数值转换为占比
• 再按2×2网格绘制热力图，此时颜色深浅代表错误比例，可排除样本量差异的干扰，更准确反映每个标签的分类准确性

内容的提问来源于stack exchange，提问作者hideonbush