使用 plot_confusion_matrix 绘制多个混淆矩阵答案

【问题标题】：Plot multiple confusion matrices with plot_confusion_matrix使用 plot_confusion_matrix 绘制多个混淆矩阵
【发布时间】：2020-07-15 20:56:09
【问题描述】：

我正在使用来自sklearn.metrics 的plot_confusion_matrix。我想像子图一样将这些混淆矩阵彼此相邻表示，我该怎么做？

【问题讨论】：

标签： python matplotlib machine-learning scikit-learn seaborn

【解决方案1】：

让我们使用 good'ol iris 数据集来重现这一点，并拟合几个分类器来绘制它们各自的混淆矩阵与plot_confusion_matrix：

from sklearn.ensemble import AdaBoostClassifier, GradientBoostingClassifier
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from matplotlib import pyplot as plt
from sklearn.datasets import load_iris
from sklearn.metrics import plot_confusion_matrix

data = load_iris()
X = data.data
y = data.target

设置 -

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，您可以一目了然地比较所有矩阵的方法是使用plt.subplots 创建一组子图。然后迭代轴对象和训练好的分类器（plot_confusion_matrix 期望作为输入）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()

【讨论】：

谢谢，这正是我想要的。