Python如何绘制混淆矩阵直观查看分错类别_ConfusionMatrixDisplay应用-Python教程-PHP中文网

confusionmatrixdisplay.from_predictions能自动对齐类别顺序、支持归一化与配色调节，避免手动绘图时的维度错位、标签不一致等问题；推荐传入原始y_true/y_pred，显式设置display_labels、normalize和cmap。

python如何绘制混淆矩阵直观查看分错类别_confusionmatrixdisplay应用

直接用 ConfusionMatrixDisplay 就能画出带标签、归一化、配色可调的混淆矩阵图，比手写 plt.imshow + plt.text 稳定得多，也更少出错。

为什么不用 `confusion_matrix` + 手动绘图？

很多人先调 confusion_matrix 得到二维数组，再用 plt.imshow 画热力图，自己加坐标轴标签、数值标注、颜色条——这容易漏掉类别顺序对齐、测试集标签未排序、归一化方式不一致等问题。而 ConfusionMatrixDisplay 内部自动绑定 y_true 和 y_pred 的类别顺序，还能复用 sklearn 的 LabelEncoder 或分类器的 classes_ 属性。

常见错误现象：ValueError: x and y must be the same size（手动拼 xticks 时长度和矩阵列数不匹配）、数值标注错位（没用 np.arange 对齐索引）、归一化后总和不是 1（误用行归一但没设 normalize='true'）。

实操建议：

始终传入原始的 y_true 和 y_pred（不要提前用 confusion_matrix 算好），让 ConfusionMatrixDisplay.from_predictions 自动处理
若模型没保存 classes_（比如纯 NumPy 预测），显式传 display_labels 参数，且顺序必须和预测值中出现的类别逻辑一致
归一化选 normalize='true'（每行和为 1，看各类别被分到哪）或 normalize='pred'（每列和为 1，看某预测类里实际是啥），别用 'all' 除非真要全局比例

`ConfusionMatrixDisplay.from_predictions` 的关键参数怎么设？

这是最常用入口，省去中间数组构造步骤，也避免因类别缺失导致矩阵维度错乱。

使用场景：模型已预测完，有 y_true 和 y_pred，想快速可视化；或者需要对比多个模型，统一用相同 display_labels 对齐横纵轴。

参数差异与影响：

python全能编程助手

SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的双功能合体技能，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途：；核心要点📝 题解模式：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式：输入 Python 代码，自动添加详细中。它将相关步骤、

下载

normalize：字符串，可选 'true'、'pred'、'all' 或 None。设为 'true' 后，第 i 行所有值加起来是 1，适合分析“猫被分错成啥”；设为 'pred' 后，第 j 列加起来是 1，适合分析“被标为狗的样本里，真狗占多少”
display_labels：必须是 list 或 array，长度等于类别数。如果传的是字符串标签（如 ['cat', 'dog', 'bird']），图上坐标轴就显示这些；如果没传，它会按 np.unique(y_true) 排序推断，但可能和你模型输出顺序不一致
cmap：推荐用 'Blues' 或 'RdYlBu_r'，避免用 'jet'（人眼难分辨中间段）；若归一化后数值集中在 0–0.1，深色区域会糊成一片，可加 values_format='.2f' 显式控制小数位

示例：

from sklearn.metrics import ConfusionMatrixDisplay
import matplotlib.pyplot as plt

disp = ConfusionMatrixDisplay.from_predictions(
    y_true, y_pred,
    display_labels=['Negative', 'Positive'],
    cmap='RdYlBu_r',
    normalize='true',
    values_format='.2f'
)
plt.show()

中文标签、字体大小、颜色条怎么调？

默认 Matplotlib 不支持中文，直接传中文 display_labels 会导致方块或乱码；字体太小在论文/汇报中看不清；颜色条（colorbar）默认位置和精度也不一定合适。

实操建议：

在绘图前加 plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS']，并设 plt.rcParams['axes.unicode_minus'] = False 防负号变方块
用 disp.ax_.set_xlabel('预测标签', fontsize=12) 和 disp.ax_.set_ylabel('真实标签', fontsize=12) 单独调坐标轴文字，比全局设更可控
颜色条不是必须的——二分类且归一化后，数值本身就有明确含义；若保留，可用 disp.figure_.get_axes()[-1].set_ylabel('归一化频次') 改 ylabel，或用 disp.figure_.colorbar(disp.im_, ax=disp.ax_, shrink=0.8) 手动重挂（避免默认挤在右边太窄）

多分类时类别太多，图挤在一起怎么办？

当类别数 > 10，ConfusionMatrixDisplay 默认尺寸下字会叠在一起，热力图格子也看不清，不是代码问题，是信息密度超限。

解决思路不是强行缩放，而是分层处理：

优先考虑是否真需要全量展示：业务上关注的只是 top-3 易混淆对？那就用 pd.crosstab 提取子矩阵，再喂给 ConfusionMatrixDisplay.from_estimator（需封装成 dummy 分类器）或直接 sns.heatmap
必须全量时，改 figsize：在调用前加 plt.figure(figsize=(12, 10))，再传 ax=plt.gca() 给 from_predictions；同时把 values_format 设成 '.1f' 减少数字宽度
避免用 rotate 轴标签——Matplotlib 的 xticks(rotation=...) 在 ConfusionMatrixDisplay 里不可靠，容易偏移或截断；改用换行：把 display_labels 中长名替换成 '长标签\n(简)'