python-keras混淆矩阵的2种画法 | 附代码

第一种情况：y_tr和y_pr都是独热码

这种情况下，0和1两种类别只能被预测为0或者1。

即关注“是”还是“否”

混淆矩阵形如下图：为了统计0和1 预测正确的准确程度

 调用（举个例子）：

绘制结果：

第二种：y_tr和y_pr是预测类别

这种情况下，每一个类别被可以预测为labels列表中的其他任何类别

即关注“该类是什么”

混淆矩阵用来统计该类被预测为12种类别中的个数，颜色越深代表该类预测到的个数越多。

调用（举个例子）：

绘制结果：

 附代码：不同类别画的时候可以调整下figsize大小

from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt
import numpy as np
import itertools

def plot_confusion_matrix(cm,
                          target_names,
                          title='Confusion matrix',
                          cmap=plt.cm.Greens,  
                          normalize=True):
    accuracy = np.trace(cm) / float(np.sum(cm))
    misclass = 1 - accuracy

    if cmap is None:
        cmap = plt.get_cmap('Blues')

    plt.figure(figsize=(5, 5))   # (15,12)
    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 label\naccuracy={:0.4f}; misclass={:0.4f}'.format(accuracy, misclass))
    # plt.savefig('./confusionmatrix350.png',dpi=350)  # dpi分辨率
    plt.show()

def plot_conf(y_pre, y_val,labels):
    conf_mat = confusion_matrix(y_true=y_val, y_pred=y_pre)
    print(conf_mat)
    plot_confusion_matrix(conf_mat, normalize=False, target_names=labels, title='Confusion Matrix')


# #-------- y_tr 和 y_pr 表示预测类别 -----------
# y_true = [0,2,11,3,1,4,5,6,7,8,9,10,2,3,1,4,5,1,6,7,9,8]
# y_pred = [1,2,11,4,3,4,5,6,8,7,10,9,2,3,1,4,5,4,2,6,7,1]
# labels = ['StandingUpFS', 'StandingupFL', 'Walking', 'Running', 'GoingUpS',
#           'Jumping', 'GoingdownS', 'LyingDownS',
#           'SittingDown','Falling Forw','Falling right', 'FallingBack']
# plot_conf(y_pred, y_true, labels)

#-------- y_tr 和 y_pr 都是独热码 -----------
y_tr = [1,1,1,1,1,0,0,0,0,0]
y_pr = [0,1,1,0,1,0,0,1,0,0]
C = confusion_matrix(y_tr, y_pr)
label=['0','1']
plot_conf(y_pr, y_tr, label)