sklearn生成混淆矩阵的坐标轴标注正确性确认问题

现使用的混淆矩阵生成代码 #

from sklearn.naive_bayes import MultinomialNB
mnb=MultinomialNB()
mnb.fit(X_train,Y_train)
# 测试用短信样例
sms2="O2提醒：要领取2.5英镑免费通话额度及重磅优惠详情，请回复本短信并提供你的有效姓名、门牌号及邮编"
sms="恭喜你中奖了！"
X_test = [str (item) for item in X_test]

Y_pred = mnb.predict(vec.transform(X_test))
from sklearn.metrics import confusion_matrix
mat = confusion_matrix(Y_test, Y_pred)
print(mat)
names =[ "非垃圾短信", "垃圾短信"]
print(names)
sns.heatmap(mat, square=True, annot=True, fmt='d', cbar=False,
            xticklabels=names, yticklabels=names)
plt.xlabel('实际值（真实）')
plt.ylabel('预测值')
plt.show()

生成的混淆矩阵结果 #

标注正误判断 #

你当前的坐标轴标注是错误的，二者需要互换位置。

判断依据 #

1. sklearn.metrics.confusion_matrix的输出规则：
   调用confusion_matrix(y_true, y_pred)时，返回的二维矩阵遵循如下结构：

• 矩阵的**行（第一维度）**对应真实标签分类：第i行的所有数值，都代表真实类别为第i类的样本统计结果
• 矩阵的**列（第二维度）**对应预测标签分类：第j列的所有数值，都代表被模型预测为第j类的样本统计结果

2. seaborn.heatmap的渲染规则：
   传入矩阵后，矩阵的行会对应热力图的y轴刻度，矩阵的列会对应热力图的x轴刻度。

结合上述两点可知，你当前给x轴标注「实际值（真实）」、y轴标注「预测值」的做法刚好和矩阵定义相反。

修正方案 #

将坐标轴标注部分的代码修改为如下内容即可：

plt.xlabel('预测值')
plt.ylabel('实际值（真实）')

内容的提问来源于stack exchange，提问作者Juan