Python 用Plot_consusion_矩阵绘制多个混淆矩阵

我正在使用

sklearn.metrics

中的

plot\u composition\u matrix

。我想将这些混淆矩阵表示为相邻的子图，我如何才能做到这一点？

让我们使用good'ol iris数据集来重现这一点，并将几个分类器装配起来，以绘制它们各自的混淆矩阵：

设立-

X_train, X_test, y_train, y_test = train_test_split(X, y)
classifiers = [LogisticRegression(solver='lbfgs'), 
               AdaBoostClassifier(),
               GradientBoostingClassifier(), 
               SVC()]
for cls in classifiers:
    cls.fit(X_train, y_train)

因此，你可以在一个简单的场景中比较所有矩阵的方法，就是创建一组子图。然后在Axis对象和经过训练的分类器上迭代（

plot\u consolution\u matrix

期望将其作为输入），并绘制各个混淆矩阵：

fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(15,10))

for cls, ax in zip(classifiers, axes.flatten()):
    plot_confusion_matrix(cls, 
                          X_test, 
                          y_test, 
                          ax=ax, 
                          cmap='Blues',
                         display_labels=data.target_names)
    ax.title.set_text(type(cls).__name__)
plt.tight_layout()  
plt.show()

---

---

谢谢，这正是我想要的。

fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(15,10))

for cls, ax in zip(classifiers, axes.flatten()):
    plot_confusion_matrix(cls, 
                          X_test, 
                          y_test, 
                          ax=ax, 
                          cmap='Blues',
                         display_labels=data.target_names)
    ax.title.set_text(type(cls).__name__)
plt.tight_layout()  
plt.show()