如何更改混淆矩阵中的刻度？答案

【问题标题】：How to change the ticks in a confusion matrix?如何更改混淆矩阵中的刻度？
【发布时间】：2017-03-07 21:00:21
【问题描述】：

我正在使用混淆矩阵（图 A）

如何让我的ticks 从 1 到 3 而不是从 0 到 2 开始？

我尝试在 tick_marks 中添加 +1。但它不起作用（图B）

检查我的代码：

import itertools

cm = confusion_matrix(y_test, y_pred)
np.set_printoptions(precision=2)
print('Confusion matrix, without normalization')
print(cm)
plt.figure()
plot_confusion_matrix(cm)


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(len(iris.target_names)) + 1

    plt.xticks(tick_marks, rotation=45)
    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, cm[i, j],
                 horizontalalignment="center",
                 color="white" if cm[i, j] > thresh else "black")

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

图A：

图B

【问题讨论】：

标签： python-3.x numpy matplotlib scikit-learn confusion-matrix

【解决方案1】：

您应该获得plt 的axis 并更改xtick_labels（如果您打算这样做）：

import itertools
import numpy as np
import matplotlib.pyplot as plt

from sklearn import svm, datasets
from sklearn.model_selection import train_test_split
from sklearn.metrics import confusion_matrix

# import some data to play with
iris = datasets.load_iris()
X = iris.data
y = iris.target
class_names = iris.target_names

# Split the data into a training set and a test set
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)

# Run classifier, using a model that is too regularized (C too low) to see
# the impact on the results
classifier = svm.SVC(kernel='linear', C=0.01)
y_pred = classifier.fit(X_train, y_train).predict(X_test)


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(len(iris.target_names))
    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, cm[i, j],
                 horizontalalignment="center",
                 color="white" if cm[i, j] > thresh else "black")

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

cm = confusion_matrix(y_test, y_pred)
np.set_printoptions(precision=2)
print('Confusion matrix, without normalization')
print(cm)
fig, ax = plt.subplots()
plot_confusion_matrix(cm)

plt.show()

结果：

【讨论】：

@Aizzaac 将 ax.set_xticklabels((ax.get_xticks() +1).astype(str)) 更改为 ax.set_xticklabels([lab+'s' for lab in (ax.get_xticks() +1).astype(str)])
@Aizzaac 如果答案解决了您的问题，请通过单击该答案的复选标记（如here）接受它，以便其他人注意到它会在第一眼看到。

【解决方案2】：

我遇到了类似的问题：当我想为我的类使用自定义标签时，正方形框超出范围或标签被偏移，如您在此处显示的那样。

如果您有多个标签 (>7)，那么首先您需要使用 plticker.MultipleLocator 将滴答频率显式设置为一个。然后您只需设置 x 和 y 刻度标签而不提及刻度（不设置 xticks 和 yticks 很重要。如果这样做，imshow/matshow 部分会在顶部被切掉。）在 plot_confusion_matrix 函数。

import matplotlib.ticker as plticker

fig = plt.figure()
ax = fig.add_subplot(111)
cax = ax.matshow(cm,cmap=cmap)
fig.colorbar(cax)
loc = plticker.MultipleLocator(base=1.0)
ax.xaxis.set_major_locator(loc)
ax.yaxis.set_major_locator(loc)
ax.set_yticklabels(['']+iris.target_names)
ax.set_xticklabels(['']+iris.target_names)

【讨论】：