[PYTHON] Visualisierung gemischter Matrizen mit sklearn.metrics.ConfusionMatrixDisplay

Sie können die Mischmatrix einfach mit scikit-learn visualisieren, aber sklearn.metrics.plot_confusion_matrix ist * * Schätzer wird als Argument benötigt **. Als ich nach einer Methode suchte, für die kein Schätzer erforderlich ist, da sie nur visualisiert, fand ich sklearn.metrics.ConfusionMatrixDisplay. Also habe ich den Code einfach geschrieben.


import matplotlib.pyplot as plt
from sklearn.datasets import load_breast_cancer
from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC

data = load_breast_cancer()
X, y = data.data, data.target
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
clf = SVC(random_state=0)
clf.fit(X_train, y_train)

y_pred = clf.predict(X_test)
cm = confusion_matrix(y_pred=y_pred, y_true=y_test)
cmp = ConfusionMatrixDisplay(cm, display_labels=data.target_names)

cmp.plot(cmap=plt.cm.Blues)

Das Ergebnis sieht so aus. ダウンロード.png

Referenz

Recommended Posts

Visualisierung gemischter Matrizen mit sklearn.metrics.ConfusionMatrixDisplay
Grundlagen der Tableau-Grundlagen (Visualisierung mit geografischen Informationen)
[Python] Implementierung von Clustering mit einem gemischten Gaußschen Modell
Zweidimensionale Visualisierung von Dokumentvektoren mit einem von Word2Vec trainierten Modell
Beispiel für die Verwendung von Lambda
Verwenden von MLflow mit Databricks ② - Visualisierung experimenteller Parameter und Metriken -
Implementierung von TF-IDF mit Gensim
Visualisierung von Daten nach Präfektur
Python: Grundlagen der Verwendung von Scikit-Learn ①
Über maschinelles Lernen gemischte Matrix
Datenvisualisierungsmethode mit Matplotlib (1)
EM der gemischten Gaußschen Verteilung
Einführung von Kaffee mit Pyenv
Datenvisualisierungsmethode mit Matplotlib (2)
Visualisierung besessener Fähigkeiten [Fortsetzung]
Ein Memorandum zur Verwendung von eigen3