没有估计器的plot_confusion_matrix

我正在尝试使用plot_confusion_matrix，

from sklearn.metrics import confusion_matrix

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

confusion_matrix(y_true, y_pred)

Output:

array([[1, 0],
       [1, 2]])

现在，在使用以下内容时；使用“类”或不使用“类”

from sklearn.metrics import plot_confusion_matrix

plot_confusion_matrix(y_true, y_pred, classes=[0,1], title='Confusion matrix, without normalization')

or

plot_confusion_matrix(y_true, y_pred, title='Confusion matrix, without normalization')

我希望得到类似的输出，除了里面的数字之外，

绘制简单的图表，应该不需要估算器。

使用mlxtend.plotting，

from mlxtend.plotting import plot_confusion_matrix
import matplotlib.pyplot as plt
import numpy as np

binary1 = np.array([[4, 1],
                   [1, 2]])

fig, ax = plot_confusion_matrix(conf_mat=binary1)
plt.show()

它提供相同的输出。

基于this https://scikit-learn.org/stable/modules/generated/sklearn.metrics.plot_confusion_matrix.html

它需要一个分类器，

disp = plot_confusion_matrix(classifier, X_test, y_test,
                                 display_labels=class_names,
                                 cmap=plt.cm.Blues,
                                 normalize=normalize)

我可以在没有分类器的情况下绘制它吗？

plot_confusion_matrix期望有一个训练有素的分类器。如果你看一下源代码 https://github.com/scikit-learn/scikit-learn/blob/95d4f0841/sklearn/metrics/_plot/confusion_matrix.py#L119，它所做的是执行预测以生成y_pred为你：

y_pred = estimator.predict(X)
    cm = confusion_matrix(y_true, y_pred, sample_weight=sample_weight,
                          labels=labels, normalize=normalize)

因此，为了绘制混淆矩阵而不指定分类器，您必须使用其他工具，或者自己动手。 一个简单的选择是使用seaborn：

import seaborn as sns

cm = confusion_matrix(y_true, y_pred)
f = sns.heatmap(cm, annot=True)