J'utilise scikit-learn pour la classification de documents texte (22 000) dans 100 classes. J'utilise la méthode de matrice de confusion de scikit-learn pour calculer la matrice de confusion.
model1 = LogisticRegression()
model1 = model1.fit(matrix, labels)
pred = model1.predict(test_matrix)
cm=metrics.confusion_matrix(test_labels,pred)
print(cm)
plt.imshow(cm, cmap='binary')
Voici à quoi ressemble ma matrice de confusion:
[[3962 325 0 ..., 0 0 0]
[ 250 2765 0 ..., 0 0 0]
[ 2 8 17 ..., 0 0 0]
...,
[ 1 6 0 ..., 5 0 0]
[ 1 1 0 ..., 0 0 0]
[ 9 0 0 ..., 0 0 9]]
Cependant, je ne reçois pas d'intrigue claire ou lisible. Y a-t-il une meilleure manière de faire cela?
vous pouvez utiliser plt.matshow()
au lieu de plt.imshow()
ou vous pouvez utiliser le module heatmap
du module Seaborn ( voir documentation ) pour tracer la matrice de confusion
import seaborn as sn
import pandas as pd
import matplotlib.pyplot as plt
array = [[33,2,0,0,0,0,0,0,0,1,3],
[3,31,0,0,0,0,0,0,0,0,0],
[0,4,41,0,0,0,0,0,0,0,1],
[0,1,0,30,0,6,0,0,0,0,1],
[0,0,0,0,38,10,0,0,0,0,0],
[0,0,0,3,1,39,0,0,0,0,4],
[0,2,2,0,4,1,31,0,0,0,2],
[0,1,0,0,0,0,0,36,0,2,0],
[0,0,0,0,0,0,1,5,37,5,1],
[3,0,0,0,0,0,0,0,0,39,0],
[0,0,0,0,0,0,0,0,0,0,38]]
df_cm = pd.DataFrame(array, index = [i for i in "ABCDEFGHIJK"],
columns = [i for i in "ABCDEFGHIJK"])
plt.figure(figsize = (10,7))
sn.heatmap(df_cm, annot=True)
La réponse de @bninopaul n'est pas tout à fait pour les débutants
voici le code que vous pouvez "copier et exécuter"
import seaborn as sn
import pandas as pd
import matplotlib.pyplot as plt
array = [[13,1,1,0,2,0],
[3,9,6,0,1,0],
[0,0,16,2,0,0],
[0,0,0,13,0,0],
[0,0,0,0,15,0],
[0,0,1,0,0,15]]
df_cm = pd.DataFrame(array, range(6),
range(6))
#plt.figure(figsize = (10,7))
sn.set(font_scale=1.4)#for label size
sn.heatmap(df_cm, annot=True,annot_kws={"size": 16})# font size
SI vous voulez plus de données dans votre matrice de confusion, y compris " la colonne des totaux "et" totalise la ligne ", et pourcentages (%) dans chaque cellule, comme matlab default (voir image ci-dessous)
y compris la carte thermique et d'autres options ...
Vous devriez vous amuser avec le module ci-dessus, partagé dans le github; )
https://github.com/wcipriano/pretty-print-confusion-matrix
Ce module peut facilement faire votre travail et produit la sortie ci-dessus avec beaucoup de paramètres pour personnaliser votre CM: