Матрица путаницы

классsklearn.metrics.ConfusionMatrixDisplay(confusion_matrix, *, display_labels=None)[source]

Визуализация матрицы путаницы.

Рекомендуется использовать from_estimator или from_predictions для создания ConfusionMatrixDisplay. Все параметры сохраняются как атрибуты.

Подробнее см. в Руководстве пользователя.

Параметры:

confusion_matrixмассив ndarray формы (n_classes, n_classes)

Матрица путаницы.

display_labelsмассив ndarray формы (n_classes,), по умолчанию=None

Метки для отображения на графике. Если None, метки отображения устанавливаются от 0 до n_classes - 1.

Атрибуты:

im_matplotlib AxesImage

Изображение, представляющее матрицу путаницы.

text_массив ndarray формы (n_classes, n_classes), тип=matplotlib Text, или None

Массив объектов matplotlib axes. None если include_values ложно.

ax_matplotlib Axes

Оси с матрицей путаницы.

figure_matplotlib Figure

Рисунок, содержащий матрицу путаницы.

См. также

confusion_matrix

Вычисление матрицы путаницы для оценки точности классификации.

ConfusionMatrixDisplay.from_estimator

Построение матрицы путаницы для заданного классификатора, данных и меток.

ConfusionMatrixDisplay.from_predictions

Построение матрицы путаницы для заданных истинных и предсказанных меток.

Примеры

>>> import matplotlib.pyplot as plt
>>> from sklearn.datasets import make_classification
>>> from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay
>>> from sklearn.model_selection import train_test_split
>>> from sklearn.svm import SVC
>>> X, y = make_classification(random_state=0)
>>> 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)
SVC(random_state=0)
>>> predictions = clf.predict(X_test)
>>> cm = confusion_matrix(y_test, predictions, labels=clf.classes_)
>>> disp = ConfusionMatrixDisplay(confusion_matrix=cm,
...                               display_labels=clf.classes_)
>>> disp.plot()
<...>
>>> plt.show()

метод классаfrom_estimator(estimator, X, y, *, labels=None, sample_weight=None, normalize=None, display_labels=None, include_values=True, xticks_rotation='horizontal', values_format=None, cmap='viridis', ax=None, colorbar=True, im_kw=None, text_kw=None)[source]

Построение матрицы путаницы для заданного классификатора и данных.

Подробнее см. в Руководстве пользователя.

Добавлен в версии 1.0.

Параметры:

estimatorэкземпляр классификатора

Обученный классификатор или обученная Pipeline, в которой последний классификатор - классификатор.

X{массив-подобный, разреженная матрица} формы (n_samples, n_features)

Входные значения.

yмассив-подобный формы (n_samples,)

Значения целевой переменной.

labelsмассив-подобный формы (n_classes,), по умолчанию=None

Список меток для индексации матрицы путаницы. Может использоваться для переупорядочения или выбора подмножества меток. Если None задано, используются те, которые появляются хотя бы один раз в y_true или y_pred в отсортированном порядке.

sample_weightмассив-подобный формы (n_samples,), по умолчанию=None

Веса для выборок.

normalize{‘true’, ‘pred’, ‘all’}, по умолчанию=None

Как нормировать отображаемые значения в матрице:

• если 'true', матрица путаницы нормируется по истинным условиям (например, строкам);
• если 'pred', матрица путаницы нормируется по предсказанным условиям (например, столбцам);
• если 'all', матрица путаницы нормируется по общему числу выборок;
• если None (по умолчанию), матрица путаницы не будет нормирована.

display_labelsмассив-подобный формы (n_classes,), по умолчанию=None

Имена целевых переменных, используемые для построения графика. По умолчанию, labels будет использоваться, если оно определено, иначе будут использоваться уникальные метки y_true и y_pred.

include_valuesbool, по умолчанию=True

Включает значения в матрицу путаницы.

xticks_rotation{‘vertical’, ‘horizontal’} или float, по умолчанию=’horizontal’

Поворот меток на оси X.

values_formatстрока, по умолчанию=None

Спецификация формата для значений в матрице путаницы. Если None, формат — ‘d’ или ‘.2g’, в зависимости от того, какой короче.

cmapстрока или matplotlib Colormap, по умолчанию=’viridis’

Цветовая карта, распознаваемая matplotlib.

axmatplotlib Axes, по умолчанию=None

Объект оси для построения графика. Если None, создается новый рисунок и ось.

colorbarbool, по умолчанию=True

Добавить ли цветовую шкалу на график.

im_kwсловарь, по умолчанию=None

Словарь с ключевыми словами, передаваемыми в вызов matplotlib.pyplot.imshow.

text_kwсловарь, по умолчанию=None

Словарь с ключевыми словами, передаваемыми в вызов matplotlib.pyplot.text.

Добавлен в версии 1.2.

Возвращаемое значение:

displayConfusionMatrixDisplay

См. также

ConfusionMatrixDisplay.from_predictions

Построение матрицы путаницы для заданных истинных и предсказанных меток.

Примеры

>>> import matplotlib.pyplot as plt
>>> from sklearn.datasets import make_classification
>>> from sklearn.metrics import ConfusionMatrixDisplay
>>> from sklearn.model_selection import train_test_split
>>> from sklearn.svm import SVC
>>> X, y = make_classification(random_state=0)
>>> 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)
SVC(random_state=0)
>>> ConfusionMatrixDisplay.from_estimator(
...     clf, X_test, y_test)
<...>
>>> plt.show()

classmethodfrom_predictions(y_true, y_pred, *, labels=None, sample_weight=None, normalize=None, display_labels=None, include_values=True, xticks_rotation='horizontal', values_format=None, cmap='viridis', ax=None, colorbar=True, im_kw=None, text_kw=None)[source]

Построение матрицы ошибок по заданным истинным и предсказанным меткам.

Подробнее см. в Руководстве пользователя.

Добавлен в версии 1.0.

Параметры:

y_truearray-like формы (n_samples,)

Истинные метки.

y_predarray-like формы (n_samples,)

Предсказанные метки, полученные методом predict классификатора.

labelsarray-like формы (n_classes,), по умолчанию None

Список меток для индексации матрицы ошибок. Может использоваться для изменения порядка или выбора подмножества меток. Если None задан, используются те, которые появляются хотя бы один раз в y_true или y_pred, в отсортированном порядке.

sample_weightarray-like формы (n_samples,), по умолчанию None

Веса выборок.

normalize{‘true’, ‘pred’, ‘all’}, по умолчанию None

Для нормализации значений в матрице:

• если 'true', матрица ошибок нормализуется по истинным условиям (например, строкам);
• если 'pred', матрица ошибок нормализуется по предсказанным условиям (например, столбцам);
• если 'all', матрица ошибок нормализуется по общему числу выборок;
• если None (по умолчанию), матрица ошибок не будет нормализована.

display_labelsarray-like формы (n_classes,), по умолчанию None

Названия целевых переменных, используемые для построения графика. По умолчанию, используются labels, если они определены, в противном случае – уникальные метки y_true и y_pred.

include_valuesbool, по умолчанию True

Включает значения в матрицу ошибок.

xticks_rotation{‘vertical’, ‘horizontal’} или float, по умолчанию ‘horizontal’

Поворот меток на оси X.

values_formatstr, по умолчанию None

Формат спецификации для значений в матрице ошибок. Если None, используется формат ‘d’ или ‘.2g’, в зависимости от того, какой короче.

cmapstr или matplotlib Colormap, по умолчанию ‘viridis’

Цветовая карта, распознаваемая matplotlib.

axmatplotlib Axes, по умолчанию None

Объект осей для построения графика. Если None, создается новая фигура и оси.

colorbarbool, по умолчанию True

Включает ли график цветковую шкалу.

im_kwdict, по умолчанию None

Словарь с ключевыми словами, передаваемыми в вызов matplotlib.pyplot.imshow.

text_kwdict, по умолчанию None

Словарь с ключевыми словами, передаваемыми в вызов matplotlib.pyplot.text.

Добавлен в версии 1.2.

Возвращаемое значение:

displayConfusionMatrixDisplay

См. также

ConfusionMatrixDisplay.from_estimator

Построение матрицы ошибок с использованием оценщика, данных и меток.

Примеры

>>> import matplotlib.pyplot as plt
>>> from sklearn.datasets import make_classification
>>> from sklearn.metrics import ConfusionMatrixDisplay
>>> from sklearn.model_selection import train_test_split
>>> from sklearn.svm import SVC
>>> X, y = make_classification(random_state=0)
>>> 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)
SVC(random_state=0)
>>> y_pred = clf.predict(X_test)
>>> ConfusionMatrixDisplay.from_predictions(
...    y_test, y_pred)
<...>
>>> plt.show()

plot(*, include_values=True, cmap='viridis', xticks_rotation='horizontal', values_format=None, ax=None, colorbar=True, im_kw=None, text_kw=None)[source]

Построение визуализации.

Параметры:

include_valuesbool, по умолчанию True

Включает значения в матрицу ошибок.

cmapstr или matplotlib Colormap, по умолчанию ‘viridis’

Цветовая карта, распознаваемая matplotlib.

xticks_rotation{‘vertical’, ‘horizontal’} или float, по умолчанию ‘horizontal’

Поворот меток на оси X.

values_formatstr, по умолчанию None

Формат спецификации для значений в матрице ошибок. Если None, используется формат ‘d’ или ‘.2g’, в зависимости от того, какой короче.

axmatplotlib axes, по умолчанию None

Объект осей для построения графика. Если None, создается новая фигура и оси.

colorbarbool, по умолчанию True

Включает ли график цветковую шкалу.

im_kwdict, по умолчанию None

Словарь с ключевыми словами, передаваемыми в вызов matplotlib.pyplot.imshow.

text_kwdict, по умолчанию None

Словарь с ключевыми словами, передаваемыми в вызов matplotlib.pyplot.text.

Добавлен в версии 1.2.

Возвращаемое значение:

displayConfusionMatrixDisplay

Возвращает экземпляр ConfusionMatrixDisplay, содержащий всю информацию для построения матрицы ошибок.