Warning: file_get_contents(/data/phpspider/zhask/data//catemap/8/python-3.x/18.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
Python 3.x 在python中,如何使混淆矩阵图仅为1个小数点?_Python 3.x_Scikit Learn_Visualization_Confusion Matrix - Fatal编程技术网

Python 3.x 在python中,如何使混淆矩阵图仅为1个小数点?

Python 3.x 在python中,如何使混淆矩阵图仅为1个小数点?,python-3.x,scikit-learn,visualization,confusion-matrix,Python 3.x,Scikit Learn,Visualization,Confusion Matrix,我正在使用scikit学习中的混淆矩阵。 但我只希望绘图中有1个小数点(图A)。不在数组中(图B),它可以用我标记为的代码更改 图A 图B 改变 plt.text(j, i, cm[i, j], 到 .1f告诉我们如何将浮点值(cm[i,j])转换成精度为一位小数的字符串 plt.text(j, i, cm[i, j], plt.text(j, i, format(cm[i, j], '.1f'), import itertools import num

我正在使用scikit学习中的混淆矩阵。 但我只希望绘图中有1个小数点(图A)。不在数组中(图B),它可以用我标记为的代码更改

图A

图B

改变

    plt.text(j, i, cm[i, j], 

.1f
告诉我们如何将浮点值(
cm[i,j]
)转换成精度为一位小数的字符串


    plt.text(j, i, cm[i, j], 
    plt.text(j, i, format(cm[i, j], '.1f'),
import itertools
import numpy as np
import matplotlib.pyplot as plt

def plot_confusion_matrix(cm, title='Confusion matrix', cmap=plt.cm.Oranges):
    plt.imshow(cm, interpolation='nearest', cmap=cmap)
    plt.title(title)
    plt.colorbar()
    tick_marks = np.arange(cm.shape[1])
    plt.xticks(tick_marks, rotation=45)
    ax = plt.gca()
    ax.set_xticklabels((ax.get_xticks() +1).astype(str))
    plt.yticks(tick_marks)

    thresh = cm.max() / 2.
    for i, j in itertools.product(range(cm.shape[0]), range(cm.shape[1])):
        plt.text(j, i, format(cm[i, j], '.1f'),
                 horizontalalignment="center",
                 color="white" if cm[i, j] > thresh else "black")

    plt.tight_layout()
    plt.ylabel('True label')
    plt.xlabel('Predicted label')

cm = np.array([(1,0,0), (0,0.625,0.375), (0,0,1)])
np.set_printoptions(precision=1) 
print('Confusion matrix, without normalization')
print(cm)
fig, ax = plt.subplots()
plot_confusion_matrix(cm)

plt.show()