论文复现混淆矩阵

概念

参考视频：

使用pytorch和tensorflow计算分类模型的混淆矩阵_哔哩哔哩_bilibili

混淆矩阵是评判模型结果的一种指标，属于模型评估的一部分，常用于评判分类器模型的优劣。

准确率：所有预测正确的验证集样本个数/所有的验证集样本个数。在混淆矩阵中，分子为对角线上所有数字之和，分母为混淆矩阵所有数字之和。

计算公式

实例

准确率

精确率

召回率

特异度

代码实战2

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.metrics import confusion_matrix
import matplotlib

# 创建示例的混淆矩阵数据
actual_labels = ['cat', 'dog', 'bird']
predicted_labels = ['cat', 'dog', 'bird']
confusion_mat = np.array([[10, 2, 1],
                          [3, 15, 2],
                          [0, 1, 8]])

# 创建混淆矩阵图像
plt.figure(figsize=(8, 6))
sns.heatmap(confusion_mat, annot=True, cmap='Blues', xticklabels=predicted_labels, yticklabels=actual_labels)
# annot=True 参数用于在每个单元格中显示数值  cmap='Blues'参数用于设置颜色映射。

# 添加图像标题和坐标轴标签
plt.title('Confusion Matrix')
plt.xlabel('Predicted Labels')
plt.ylabel('Actual Labels')

# Save the figure
plt.savefig('confusion_matrix.png', dpi=300)  # Saves the plot as a PNG file with 300 DPI

# 显示图像
plt.show()