利用python中的matplotlib打印混淆矩阵实例

下面是利用python中的matplotlib打印混淆矩阵的完整攻略：

1. 导入必要的库和数据

在使用matplotlib打印混淆矩阵前，需要导入必要的库和数据。其中，sklearn库中包含了混淆矩阵的函数，matplotlib库中包含了绘图的函数。

示例代码：

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

y_true = [0, 1, 0, 1, 0, 1, 0]
y_pred = [0, 0, 0, 1, 1, 1, 0]

2. 使用混淆矩阵函数计算混淆矩阵数据

在得到数据后，使用混淆矩阵函数来计算混淆矩阵数据。函数的参数为真实值y_true和预测值y_pred。

示例代码：

cm = confusion_matrix(y_true, y_pred)

3. 绘制混淆矩阵图

使用matplotlib库中的绘图函数，绘制出混淆矩阵图，使其更加直观形象，便于观察各类别的分类情况。

示例代码：

plt.figure(figsize=(8, 6))
plt.imshow(cm, cmap=plt.cm.Blues)
plt.xticks(range(2))
plt.yticks(range(2))
plt.xlabel('Predicted label')
plt.ylabel('True label')
plt.colorbar()
plt.show()

其中，第1行代码设置了绘图大小，第2行代码设置了颜色映射，第3行和第4行代码分别设置了x轴和y轴的刻度，第5行和第6行设置了x轴和y轴的标签，第7行代码增加了颜色条，第8行代码将绘图显示在画布上。

4. 完整代码示例

下面是一个完整的代码示例，其中包含有2个实例，分别为二分类和多分类的例子：

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

# 二分类混淆矩阵实例
y_true = [0, 1, 0, 1, 0, 1, 0]
y_pred = [0, 0, 0, 1, 1, 1, 0]
cm = confusion_matrix(y_true, y_pred)

plt.figure(figsize=(8, 6))
plt.imshow(cm, cmap=plt.cm.Blues)
plt.xticks(range(2))
plt.yticks(range(2))
plt.xlabel('Predicted label')
plt.ylabel('True label')
plt.colorbar()
plt.show()

# 多分类混淆矩阵实例
y_true = ['cat', 'dog', 'cat', 'dog', 'cat', 'dog']
y_pred = ['cat', 'cat', 'dog', 'dog', 'cat', 'cat']
labels = ['cat', 'dog']
cm = confusion_matrix(y_true, y_pred, labels=labels)

plt.figure(figsize=(8, 6))
plt.imshow(cm, cmap=plt.cm.Blues)
plt.xticks(range(2))
plt.yticks(range(2))
plt.xlabel('Predicted label')
plt.ylabel('True label')
plt.colorbar()
plt.show()

上述代码中，第1个实例为二分类混淆矩阵，第2个实例为多分类混淆矩阵。在第2个实例中，需要设置labels参数来指定类别标签。