Python 并排绘制多个混淆矩阵

我是新来的。这是我希望从专家那里得到答案的第一个问题。我有5个分类器模型，我正试图绘制它们的混淆矩阵

from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC
from sklearn.neighbors import KNeighborsClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
import collections

classifiers = {
    "Naive Bayes": GaussianNB(),
    "LogisiticRegression": LogisticRegression(),
    "KNearest": KNeighborsClassifier(),
    "Support Vector Classifier": SVC(),
    "DecisionTreeClassifier": DecisionTreeClassifier(),
}

然后

from sklearn.metrics import confusion_matrix
for key, classifier in classifiers.items(): 
    y_pred = classifier.fit(X_train, y_train).predict(X_test)
    cf_matrix=confusion_matrix(y_test, y_pred)
    print(cf_matrix)

这让我

现在，我试图用下面的代码绘制它们，但图上没有显示任何数据

fig, axn = plt.subplots(1,5, sharex=True, sharey=True)
cbar_ax = fig.add_axes([.91, .3, .03, .4])

for i, ax in enumerate(axn.flat):
    sns.heatmap(cf_matrix, ax=ax,
                cbar=i == 0,
                vmin=0, vmax=1,
                cbar_ax=None if i else cbar_ax)

fig.tight_layout(rect=[0, 0, .9, 1])

---

有人能帮我完成吗？

您需要将混淆矩阵存储在某个地方，因此如果我使用示例数据集：

import pandas as pd
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt
import seaborn as sns

data = load_breast_cancer()
scaler = StandardScaler()

X_df = pd.DataFrame(data.data, columns=data.feature_names)
X_df = scaler.fit_transform(X_df)
y_df = pd.DataFrame(data.target, columns=['target'])

X_train, X_test, y_train, y_test = train_test_split(X_df, y_df, test_size=0.2, random_state=11)

并将其存储在类似的词典中：

from sklearn.metrics import confusion_matrix
cf_matrix = dict.fromkeys(classifiers.keys())
for key, classifier in classifiers.items(): 
    y_pred = classifier.fit(X_train, y_train.values.ravel()).predict(X_test)
    cf_matrix[key]=confusion_matrix(y_test, y_pred)

然后您可以绘制它：

fig, axn = plt.subplots(1,5, sharex=True, sharey=True,figsize=(12,2))

for i, ax in enumerate(axn.flat):
    k = list(cf_matrix)[i]
    sns.heatmap(cf_matrix[k], ax=ax,cbar=i==4)
    ax.set_title(k,fontsize=8)

---

您需要将混淆矩阵存储在某个地方，因此如果我使用示例数据集：

import pandas as pd
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt
import seaborn as sns

data = load_breast_cancer()
scaler = StandardScaler()

X_df = pd.DataFrame(data.data, columns=data.feature_names)
X_df = scaler.fit_transform(X_df)
y_df = pd.DataFrame(data.target, columns=['target'])

X_train, X_test, y_train, y_test = train_test_split(X_df, y_df, test_size=0.2, random_state=11)

并将其存储在类似的词典中：

from sklearn.metrics import confusion_matrix
cf_matrix = dict.fromkeys(classifiers.keys())
for key, classifier in classifiers.items(): 
    y_pred = classifier.fit(X_train, y_train.values.ravel()).predict(X_test)
    cf_matrix[key]=confusion_matrix(y_test, y_pred)

然后您可以绘制它：

fig, axn = plt.subplots(1,5, sharex=True, sharey=True,figsize=(12,2))

for i, ax in enumerate(axn.flat):
    k = list(cf_matrix)[i]
    sns.heatmap(cf_matrix[k], ax=ax,cbar=i==4)
    ax.set_title(k,fontsize=8)

---

sklearn

在

混乱矩阵上提供打印功能。
有两种方法





我在这里使用了第二种方法，因为在第一种方法中删除colorbar非常冗长（有多个colorbar看起来非常混乱）

sklearn
在
混乱矩阵上提供打印功能。
有两种方法





我在这里使用了第二种方法，因为在第一种方法中删除colorbar非常冗长（有多个colorbar看起来非常混乱）

非常感谢您。我按照你的建议做了更改，我得到了belowhi@hadi0815，欢迎来到stackoverflow。您已经发布了一个问题，我相信我已经用良好的可复制代码回答了它。如果您还有其他问题，请将其作为单独的问题发布。非常感谢。我按照你的建议做了更改，我得到了belowhi@hadi0815，欢迎来到stackoverflow。您已经发布了一个问题，我相信我已经用良好的可复制代码回答了它。如果您有其他问题不在此问题范围内，请将其作为单独的问题发布。酷，不知道此功能。。lol从来不用想象它是最近添加的。哈哈，你只需要在做PresentationTool时使用，不知道这个函数。。lol从来不用想象它是最近添加的。哈哈，你只是在做演讲的时候才需要