如何为 Seaborn 混淆矩阵添加正确的标签

Question

我已经使用 seaborn 将我的数据绘制成一个混淆矩阵，但我遇到了一个问题。 问题是它只在两个轴上显示从 0 到 11 的数字，因为我有 12 个不同的标签。

我的代码如下所示：

cf_matrix = confusion_matrix(y_test, y_pred)
fig, ax = plt.subplots(figsize=(15,10)) 
sns.heatmap(cf_matrix, linewidths=1, annot=True, ax=ax, fmt='g')

在这里你可以看到我的混淆矩阵：

我得到了我应该得到的混淆矩阵。 唯一的问题是未显示的标签名称。 我在互联网上搜索了很长时间，但没有运气。 是否有任何参数可以附加标签或如何做到这一点？

有谁能够帮我？

谢谢！

//拉斯穆斯

Answer 1

当您分解您的类别时，您应该保留级别，因此您可以将其与pd.crosstab结合使用，而不是confusion_matrix矩阵到 plot。 以鸢尾花为例：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
from sklearn.metrics import classification_report, confusion_matrix

df = pd.read_csv("http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data",
                 header=None,names=["s.wid","s.len","p.wid","p.len","species"])
X = df.iloc[:,:4]
y,levels = pd.factorize(df['species'])

在这一部分，您将获得 [0,..1,..2] 中的标签 y 和级别作为 0,1,2 对应的原始标签：

Index(['Iris-setosa', 'Iris-versicolor', 'Iris-virginica'], dtype='object')

所以我们适合并喜欢你所拥有的：

clf = RandomForestClassifier(max_depth=2, random_state=0)
clf.fit(X,y)
y_pred = clf.predict(X)
print(classification_report(y,y_pred,target_names=levels))

还有一个 0,1,2 的混淆矩阵：

cf_matrix = confusion_matrix(y, y_pred)
sns.heatmap(cf_matrix, linewidths=1, annot=True, fmt='g')

我们 go 回来并使用关卡：

cf_matrix = pd.crosstab(levels[y],levels[y_pred])
fig, ax = plt.subplots(figsize=(5,5))
sns.heatmap(cf_matrix, linewidths=1, annot=True, ax=ax, fmt='g')

Answer 2

标签按字母顺序排序。 因此，使用 numpy 对 ture_label 进行区分，您将获得按字母顺序排序的 ndarray

cm_labels = np.unique(true_label)
cm_array = confusion_matrix(true_label, predict_label)
cm_array_df = pd.DataFrame(cm_array, index=cm_labels, columns=cm_labels)
sn.heatmap(cm_array_df, annot=True, annot_kws={"size": 12})