Python 3.x 显示混淆矩阵中的错误分类数字

我编写了一个函数来查找模型的混淆矩阵：

NN_model = KNeighborsClassifier(n_neighbors=1)
NN_model.fit(mini_train_data, mini_train_labels)
# Create the confusion matrix for the dev data
confusion = confusion_matrix(dev_labels, NN_model.predict(dev_data))
print(confusion)

但我在显示5位数以上的图像时遇到了问题，这些图像经常与其他图像混淆。但是当我尝试下面的代码时，我没有得到预期的结果

index = 0
misclassifiedIndexes = []
for label, predict in zip(dev_labels, predictions):
     if label != predict: 
        misclassifiedIndexes.append(index)
        index +=1

plt.figure(figsize=(20,4))
for plotIndex, badIndex in enumerate(misclassifiedIndexes[0:5]):
    plt.subplot(1, 5, plotIndex + 1)
    plt.imshow(np.reshape(dev_data[badIndex], (28,28)), cmap=plt.cm.gray)
    plt.title('Predict: {}, Actual: {}'.format(predictions[badIndex], dev_labels[badIndex]), fontsize = 15)

---

你能看看我的代码出了什么问题吗？谢谢大家!

因此，我无法处理您的代码。因此，我在这里提供了一个可复制的代码

您可以在预测和实际值之间的布尔比较中使用

np.where

试试这个例子：

从sklearn.com导入KNeighborsClassifier
从sklearn.dataset导入load_数字
从sklearn.model\u选择导入列车\u测试\u拆分
十、 y=加载数字（返回X=真）
X_系列，X_测试，y_系列，y_测试=系列测试分割（X，y，测试尺寸=0.4）
NN_模型=Kneighbors分类器（n_邻居=1）
NN_模型拟合（X_序列，y_序列）
#为dev数据创建混淆矩阵
从sklearn.metrics导入混淆矩阵
预测=NN_模型。预测（X_检验）
混淆=混淆矩阵（y_测试，预测）
将matplotlib.pyplot作为plt导入
误分类指数=np。其中（y_检验！=预测）[0]
图，ax=plt.子批次（4,3，figsize=（15,8））
ax=ax.ravel（）
对于i，枚举中的badIndex（误分类索引）：
ax[i].imshow（np.重塑（X_检验[badIndex]，（8,8）），cmap=plt.cm.gray）
ax[i].set_title（f'Predict:{predicts[badeindex]}，'
f'Actual:{y_测试[badIndex]}'，fontsize=10）
ax[i].set（frame_on=False）
ax[i]。轴（“关闭”）
打印框（假）
打印轴（“关闭”）

---

因此，我不能对您的代码提出异议。因此，我在这里提供了一个可复制的代码

您可以在预测和实际值之间的布尔比较中使用

np.where

试试这个例子：

从sklearn.com导入KNeighborsClassifier
从sklearn.dataset导入load_数字
从sklearn.model\u选择导入列车\u测试\u拆分
十、 y=加载数字（返回X=真）
X_系列，X_测试，y_系列，y_测试=系列测试分割（X，y，测试尺寸=0.4）
NN_模型=Kneighbors分类器（n_邻居=1）
NN_模型拟合（X_序列，y_序列）
#为dev数据创建混淆矩阵
从sklearn.metrics导入混淆矩阵
预测=NN_模型。预测（X_检验）
混淆=混淆矩阵（y_测试，预测）
将matplotlib.pyplot作为plt导入
误分类指数=np。其中（y_检验！=预测）[0]
图，ax=plt.子批次（4,3，figsize=（15,8））
ax=ax.ravel（）
对于i，枚举中的badIndex（误分类索引）：
ax[i].imshow（np.重塑（X_检验[badIndex]，（8,8）），cmap=plt.cm.gray）
ax[i].set_title（f'Predict:{predicts[badeindex]}，'
f'Actual:{y_测试[badIndex]}'，fontsize=10）
ax[i].set（frame_on=False）
ax[i]。轴（“关闭”）
打印框（假）
打印轴（“关闭”）