混淆矩阵（Confusion Matrix），是一种在深度学习中常用的辅助工具，可以让你直观地了解你的模型在哪一类样本里面表现得不是很好。
如上图，我们就可以看到，有一个样本原本是0的，却被预测成了1，还有一个，原本是2的，却被预测成了0。
简单介绍作用后，下面上代码：
import seaborn as sns from sklearn.metrics import confusion_matrix import matplotlib.pyplot as plt
导入需要的包，如果有一些包没有，pip一下就可以了。
sns.set() f,ax=plt.subplots() y_true = [0,0,1,2,1,2,0,2,2,0,1,1] y_pred = [1,0,1,2,1,0,0,2,2,0,1,1] C2= confusion_matrix(y_true, y_pred, labels=[0, 1, 2]) print(C2) #打印出来看看 sns.heatmap(C2,annot=True,ax=ax) #画热力图 ax.set_title(‘confusion matrix‘) #标题 ax.set_xlabel(‘predict‘) #x轴 ax.set_ylabel(‘true‘) #y轴
下面就是结果：
原文：https://www.cnblogs.com/yexionglin/p/11432180.html