Python中生成并绘制混淆矩阵（confusion matrix）

在机器学习中经常会用到混淆矩阵（confusion matrix），不了解的同学请参考这篇博文：

ML01 机器学习后利用混淆矩阵Confusion matrix 进行结果分析

---

本文参考：使用python绘制混淆矩阵（confusion_matrix）

---

首先import一些必要的库：

from sklearn.metrics import confusion_matrix    # 生成混淆矩阵函数
import matplotlib.pyplot as plt    # 绘图库
import numpy as np
import tensorflow as tf

 

然后定义绘制混淆矩阵函数：

def plot_confusion_matrix(cm, labels_name, title):
    cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]    # 归一化
    plt.imshow(cm, interpolation='nearest')    # 在特定的窗口上显示图像
    plt.title(title)    # 图像标题
    plt.colorbar()
    num_local = np.array(range(len(labels_name)))    
    plt.xticks(num_local, labels_name, rotation=90)    # 将标签印在x轴坐标上
    plt.yticks(num_local, labels_name)    # 将标签印在y轴坐标上
    plt.ylabel('True label')    
    plt.xlabel('Predicted label')

生成混淆矩阵：

其中pred_y为预测值，y_为网络输出预测值，test_x为测试输入值，test_y为测试真实值。

（本程序中标签为one-hot形式，故使用tf.argmax(y_, 1)和tf.argmax(test_y, 1)，若标签为普通列表形式，请直接使用y_和test_y）

pred_y = session.run(tf.argmax(y_, 1), feed_dict={X: test_x})
cm = confusion_matrix(np.argmax(test_y, 1), pred_y,)
print(cm)
# [[100   1   0   1   6   0   0]
#  [  2 111   3   0   2   1  24]
#  [  0   2  68   5   4   3   2]
#  [  2   0   1 120   7  26   0]
#  [  2   5   3   2 120  11  14]
#  [  2   0   2  12   8 115   1]
#  [  2  25   0   1  14   4 302]]

绘制混淆矩阵热图并显示：

plot_confusion_matrix(cm, labels_name, "HAR Confusion Matrix")
# plt.savefig('/HAR_cm.png', format='png')
plt.show()

结合生成的图像对混淆矩阵进行分析：

24代表：有24个Climb_stairs动作被神经网络认为成了Walk。