2019/07/17
以往都是直接使用了混淆矩阵直接查看数据，没有具体看过到底是什么样子，今天想起了kaggle上他们使用图形的方式来展现这部分内容。
混淆矩阵
这部分的代码是直接使用了官网这部分的示例，将原来的代码稍加修改就可以了。
但是因为画出来的图非常小，所以就直接在subplot中添加了figsize=(12,10)的参数。
一开始的时候，添加的是(10,12)，导致的结果就是颜色条非常高，很不协调，之后改成了上面的参数，就有了上图。
具体的关于颜色条的编程可以看文献[2]，目前还没有具体看，不过我感觉应该是非常详细的对这部分进行控制的。
2019/07/17
想起来了之前用过sns对这部分绘画，
sns.heatmap(cm,annot=True,cmap="BuPu",fmt="d")其中cm就是函数直接输出的混淆矩阵。但是因为没有标签，全都是数字，看到其起一个参数可以为df,然后名字会自动采用index/columns，所以把这个东西转化为df。df_cm = pd.DataFrame(cm, index = enc.classes_, columns =enc.classes_)，enc为之前进行编码得到的一个编码器。
然后横轴标签默认是竖直的字符串，再使用fig.autofmt_xdate()进行自动优化。
这样基本上一个图就算完成了。
对于这部分的内容的话，可以参考流量里面的feature Explore,里面包括官方和自己的两个实现都有，后面自己的实现也调整了DPI。
主要参考了[3][4][5]
Plot a Confusion Matrix
混淆矩阵的图片
import numpy as npdef plot_confusion_matrix(cm, target_names, title='Confusion matrix', cmap=None, normalize=True): """ given a sklearn confusion matrix (cm), make a nice plot Arguments --------- cm: confusion matrix from sklearn.metrics.confusion_matrix target_names: given classification classes such as [0, 1, 2] the class names, for example: ['high', 'medium', 'low'] title: the text to display at the top of the matrix cmap: the gradient of the values displayed from matplotlib.pyplot.cm see http://matplotlib.org/examples/color/colormaps_reference.html plt.get_cmap('jet') or plt.cm.Blues normalize: If False, plot the raw numbers If True, plot the proportions Usage ----- plot_confusion_matrix(cm = cm, # confusion matrix created by # sklearn.metrics.confusion_matrix normalize = True, # show proportions target_names = y_labels_vals, # list of names of the classes title = best_estimator_name) # title of graph Citiation --------- http://scikit-learn.org/stable/auto_examples/model_selection/plot_confusion_matrix.html """ import matplotlib.pyplot as plt import numpy as np import itertools accuracy = np.trace(cm) / float(np.sum(cm)) misclass = 1 - accuracy if cmap is None: cmap = plt.get_cmap('Blues') plt.figure(figsize=(8, 6)) plt.imshow(cm, interpolation='nearest', cmap=cmap) plt.title(title) plt.colorbar() if target_names is not None: tick_marks = np.arange(len(target_names)) plt.xticks(tick_marks, target_names, rotation=45) plt.yticks(tick_marks, target_names) if normalize: cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis] thresh = cm.max() / 1.5 if normalize else cm.max() / 2 for i, j in itertools.product(range(cm.shape[0]), range(cm.shape[1])): if normalize: plt.text(j, i, "{:0.4f}".format(cm[i, j]), horizontalalignment="center", color="white" if cm[i, j] > thresh else "black") else: plt.text(j, i, "{:,}".format(cm[i, j]), horizontalalignment="center", color="white" if cm[i, j] > thresh else "black") plt.tight_layout() plt.ylabel('True label') plt.xlabel('Predicted labelnaccuracy={:0.4f}; misclass={:0.4f}'.format(accuracy, misclass)) plt.show()
参考文献
[1]Confusion matrix
[2]解决python画图中colorbar设置刻度和标签字体大小
[3]seaborn.heatmap
[4]混淆矩阵的绘制(Plot a confusion matrix)(看它的参考资料)
[5]how-can-i-plot-a-confusion-matrix