如何在Scikit-learn中为混淆矩阵打印类别标签？

我完全理解你的困扰——13类的混淆矩阵没有标签，根本没法对应到具体类别，排版还乱糟糟的，完全看不出模型在哪些类别上表现好。别担心，有几个简单的方法可以解决这个问题，让混淆矩阵清晰易懂：

方法1：用Pandas把混淆矩阵转成带标签的DataFrame #

这是最直接的方式，能让矩阵自带行和列的类别标签，排版也整齐。

步骤如下：

• 先获取排序后的类别列表（确保和混淆矩阵的行列顺序一致）
• 生成混淆矩阵时显式指定labels参数
• 把矩阵转成Pandas DataFrame，设置行索引和列名为类别标签

修改你的代码如下：

import pandas as pd  # 别忘了导入Pandas

def classify_data(df, feature_cols, file): 
    nbr_folds = 5 
    RANDOM_STATE = 0 
    attributes = df.loc[:, feature_cols] 
    class_label = df['task'] 
    
    # 获取排序后的类别标签，确保顺序统一
    class_labels = sorted(class_label.unique())
    
    file.write("\nFeatures used: ") 
    for feature in feature_cols: 
        file.write(feature + ",") 
    print("Features used", feature_cols) 
    
    sampler = RandomOverSampler(random_state=RANDOM_STATE) 
    print("RandomForest") 
    file.write("\nRandomForest") 
    rfc = RandomForestClassifier(max_depth=2, random_state=RANDOM_STATE) 
    pipeline = make_pipeline(sampler, rfc) 
    
    class_label_predicted = cross_val_predict(pipeline, attributes, class_label, cv=nbr_folds) 
    # 生成混淆矩阵时指定labels参数，确保行列顺序和我们的类别列表一致
    conf_mat = confusion_matrix(class_label, class_label_predicted, labels=class_labels) 
    
    # 转成带标签的DataFrame，明确标注真实/预测类别
    conf_mat_df = pd.DataFrame(conf_mat, index=[f"True: {cls}" for cls in class_labels], 
                               columns=[f"Pred: {cls}" for cls in class_labels])
    
    print("\nConfusion Matrix with Labels:")
    print(conf_mat_df) 
    
    accuracy = accuracy_score(class_label, class_label_predicted) 
    print("Rows classified: " + str(len(class_label_predicted))) 
    print("Accuracy: {0:.3f}%\n".format(accuracy * 100)) 
    
    file.write("\nClassifier settings:" + str(pipeline) + "\n") 
    file.write("\nRows classified: " + str(len(class_label_predicted))) 
    file.write("\nAccuracy: {0:.3f}%\n".format(accuracy * 100)) 
    # 把带标签的矩阵写入文件
    file.write("\nConfusion Matrix with Labels:\n")
    file.write(conf_mat_df.to_string())
    file.write("\n")

这样打印出来的矩阵会清晰显示每一行是真实类别，每一列是预测类别，完全不会混淆。

方法2：用Scikit-learn自带的可视化工具 #

如果想要更直观的可视化效果，可以用ConfusionMatrixDisplay生成带标签的混淆矩阵图：

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

# 生成可视化对象
disp = ConfusionMatrixDisplay(confusion_matrix=conf_mat, display_labels=class_labels)
# 调整字体大小，避免标签重叠
disp.plot(cmap="Blues", xticks_rotation=45)
plt.tight_layout()
plt.show()

这个图会自动把类别标签标在坐标轴上，还能通过颜色深浅直观看到分类的对错情况，非常适合快速分析模型表现。

为什么之前的矩阵没有标签？ #

默认情况下，confusion_matrix会按类别在数据中出现的顺序（或者排序后的顺序）生成矩阵，但不会显式标注类别名称。通过指定labels参数，我们可以固定矩阵的行列顺序，再结合DataFrame或可视化工具，就能把类别标签对应上了。

内容的提问来源于stack exchange，提问作者fall2