• 1、混淆矩陣：Confusion Matrix
• 2、怎么畫（新）？
• 3、怎么用？

網上關于混淆矩陣的代碼參差不齊，沒找到可用的線程的代碼，所以自己嘗試寫了下

1、混淆矩陣：Confusion Matrix

首先它長這樣：

怎么看？
Confusion Matrix最廣泛的應用應該是分類，比如圖中是7分類的真實標簽和預測標簽的效果。
首先圖中表明了縱軸是truth label，橫軸是predicted label，那么對于第一行第一個0.60的含義是：本來是angry標簽的圖，我的模型正確分類成angry的比例是60%，也即是angry這一類模型分類正確的精度只有60%。同時模型將angry分類成了happy的圖占比0.04%，其他的以此類推。

注意：因為本身是angry，模型預測成7種類的數量占比。所以每一行的和為100%。

同時對于fear標簽，模型分類成fear的占比41%，分類成sad的占比為20%，我們可以認為模型不能很好區分fear和sad兩種類別。

2、怎么畫（新）？

這里直接給出代碼，在下一節中直接使用即可

import numpy as np import matplotlib.pyplot as plt from sklearn.metrics import confusion_matrixdef draw_confusion_matrix(label_true, label_pred, label_name, normlize, title="Confusion Matrix", pdf_save_path=None, dpi=100):"""@param label_true: 真實標簽，比如[0,1,2,7,4,5,...]@param label_pred: 預測標簽，比如[0,5,4,2,1,4,...]@param label_name: 標簽名字，比如['cat','dog','flower',...]@param normlize: 是否設元素為百分比形式@param title: 圖標題@param pdf_save_path: 是否保存，是則為保存路徑pdf_save_path=xxx.png | xxx.pdf | ...等其他plt.savefig支持的保存格式@param dpi: 保存到文件的分辨率，論文一般要求至少300dpi@return:example：draw_confusion_matrix(label_true=y_gt,label_pred=y_pred,label_name=["Angry", "Disgust", "Fear", "Happy", "Sad", "Surprise", "Neutral"],normlize=True,title="Confusion Matrix on Fer2013",pdf_save_path="Confusion_Matrix_on_Fer2013.png",dpi=300)"""cm = confusion_matrix(label_true, label_pred)if normlize:row_sums = np.sum(cm, axis=1) # 計算每行的和cm = cm / row_sums[:, np.newaxis] # 廣播計算每個元素占比plt.imshow(cm, cmap='Blues')plt.title(title)plt.xlabel("Predict label")plt.ylabel("Truth label")plt.yticks(range(label_name.__len__()), label_name)plt.xticks(range(label_name.__len__()), label_name, rotation=45)plt.tight_layout()plt.colorbar()for i in range(label_name.__len__()):for j in range(label_name.__len__()):color = (1, 1, 1) if i == j else (0, 0, 0) # 對角線字體白色，其他黑色value = float(format('%.2f' % cm[i, j]))plt.text(i, j, value, verticalalignment='center', horizontalalignment='center', color=color)# plt.show()if not pdf_save_path is None:plt.savefig(pdf_save_path, bbox_inches='tight',dpi=dpi)

3、怎么用？

給出一個簡單的實例：

labels_name=['angry', 'disgust', 'fear', 'happy', 'sad', 'surprise', 'neutral']y_gt=[] y_pred=[] for index, (labels, imgs) in enumerate(test_loader):labels_pd = model(imgs)predict_np = np.argmax(labels_pd.cpu().detach().numpy(), axis=-1) # array([0,5,1,6,3,...],dtype=int64)labels_np = labels.numpy() # array([0,5,0,6,2,...],dtype=int64)y_pred.append(labels_np)y_gt.append(labels_np)draw_confusion_matrix(label_true=y_gt, # y_gt=[0,5,1,6,3,...]label_pred=y_pred, # y_pred=[0,5,1,6,3,...]label_name=["An", "Di", "Fe", "Ha", "Sa", "Su", "Ne"],normlize=True,title="Confusion Matrix on Fer2013",pdf_save_path="Confusion_Matrix_on_Fer2013.jpg",dpi=300)

• cpu().detach()：從device上獲取數據
• .numpy()：將tensor類型轉換為numpy類型

在我的模型上的結果：

總結

以上是生活随笔為你收集整理的动手画混淆矩阵(Confusion Matrix)（含代码）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。