如何放大sklearn混淆矩阵的轴比例（非仅画布）适配多类别？

我太懂这种烦恼了！20个类别的时候，光调figsize只会让画布空落落的，矩阵本身还是挤得看不清标签和数值。给你两个亲测有效的方案，直接解决这个问题：

方案1：用Seaborn热力图绘制（推荐） #

Seaborn的heatmap比sklearn自带的绘图工具灵活得多，能单独控制矩阵元素、标签的大小，完美适配多类别场景：

import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.metrics import confusion_matrix

# 替换成你的真实标签和预测结果
y_true = [你的真实标签列表]
y_pred = [你的预测结果列表]
class_labels = [f"类别{i}" for i in range(20)]  # 替换成你的实际类别名称

# 生成混淆矩阵
cm = confusion_matrix(y_true, y_pred)

# 设置足够大的画布（20个类别建议(15,12)，可按需调整）
plt.figure(figsize=(15, 12))

# 绘制混淆矩阵，重点调整这几个参数：
sns.heatmap(cm, 
            annot=True,        # 显示每个格子的数值
            fmt='d',           # 数值格式（整数）
            cmap='Blues',      # 配色方案
            xticklabels=class_labels, 
            yticklabels=class_labels,
            annot_kws={"size": 11},  # 控制数值的字体大小
            linewidths=0.5)    # 格子间的分隔线，让矩阵更清晰

# 调整坐标轴和标题的字体大小
plt.xlabel('预测类别', fontsize=13)
plt.ylabel('真实类别', fontsize=13)
plt.title('混淆矩阵', fontsize=15)

# 自动调整布局，防止标签被截断
plt.tight_layout()
plt.show()

方案2：用Sklearn官方的ConfusionMatrixDisplay #

如果习惯用sklearn自带的工具，新版本可以用ConfusionMatrixDisplay，通过指定绘图轴来精准控制元素大小：

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

y_true = [你的真实标签列表]
y_pred = [你的预测结果列表]
class_labels = [f"类别{i}" for i in range(20)]

cm = confusion_matrix(y_true, y_pred)

# 创建画布和轴对象，设置合适的尺寸
fig, ax = plt.subplots(figsize=(15, 12))

# 初始化并绘制混淆矩阵
disp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=class_labels)
disp.plot(
    ax=ax,
    cmap='Blues',
    values_format='d',
    xticks_rotation=45,  # 旋转x轴标签，避免重叠
    fontsize=11          # 控制标签和数值的字体大小
)

# 同样用tight_layout优化布局
plt.tight_layout()
plt.show()

关键注意事项： #

• 画布尺寸要匹配类别数：20个类别别用太小的figsize，建议宽度≥12，高度≥10，根据标签长度再调整；
• 单独控制字体大小：不管用哪种方法，一定要显式设置fontsize或annot_kws，不然默认字体太小，放大画布也没用；
• 旋转标签：如果类别名称较长，给x轴标签加个旋转（比如45度或垂直），防止重叠。

内容的提问来源于stack exchange，提问作者Akhan