分类模型混淆矩阵：从枯燥到精美的可视化升级

分类模型混淆矩阵：从枯燥到精美的可视化升级

混淆矩阵是评估分类模型性能的重要工具，但传统的混淆矩阵往往缺乏美感，信息表达不够直观。本文将介绍如何通过数据可视化技巧对混淆矩阵进行美化，使其在保持信息完整性的基础上，更加清晰直观。

二分类模型实现

模型构建

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'Times New Roman'
plt.rcParams['axes.unicode_minus'] = False
import warnings
# 忽略所有警告
warnings.filterwarnings("ignore")
from sklearn.model_selection import train_test_split
df = pd.read_excel('2025-1-9公众号Python机器学习AI.xlsx')
# 划分特征和目标变量
X = df.drop(['y'], axis=1)
y = df['y']
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3,
                                                    random_state=42, stratify=df['y'])
from xgboost import XGBClassifier
from sklearn.model_selection import GridSearchCV, StratifiedKFold
from sklearn.metrics import accuracy_score
# 定义 XGBoost 二分类模型
model_xgb = XGBClassifier(use_label_encoder=False, eval_metric='logloss', random_state=8)
# 定义参数网格
param_grid = {
    'n_estimators': [50, 100, 200],
    'max_depth': [3, 5, 7],
    'learning_rate': [0.01, 0.1, 0.2],
    'subsample': [0.8, 1.0],
    'colsample_bytree': [0.8, 1.0]
}
# 定义 K 折交叉验证 (Stratified K-Fold)
kfold = StratifiedKFold(n_splits=5, shuffle=True, random_state=8)
# 使用网格搜索寻找最佳参数
grid_search = GridSearchCV(estimator=model_xgb, param_grid=param_grid, scoring='accuracy',
                           cv=kfold, verbose=1, n_jobs=-1)
# 拟合模型
grid_search.fit(X_train, y_train)
# 使用最优参数训练模型
xgboost = grid_search.best_estimator_

使用XGBoost二分类模型，通过网格搜索和K折交叉验证优化超参数，以找到最佳模型并对数据进行训练和测试划分，从而提升二分类任务的预测性能。

基础二分类混淆矩阵

from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay
# 使用测试集进行预测
y_pred = xgboost.predict(X_test)
# 计算混淆矩阵
cm = confusion_matrix(y_test, y_pred)
# 绘制混淆矩阵
disp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=xgboost.classes_)
fig, ax = plt.subplots(figsize=(6, 6))  # 调整图大小
disp.plot(cmap='Blues', values_format='d', ax=ax)
# 设置标题和字体加粗
plt.title("Confusion Matrix for XGBoost Model", fontweight='bold', fontsize=14)
# 加粗坐标轴标签
ax.set_xlabel('Predicted Label', fontweight='bold', fontsize=12)
ax.set_ylabel('True Label', fontweight='bold', fontsize=12)
# 调整刻度字体
ax.tick_params(axis='both', labelsize=10, width=2)
# 调整矩阵中的数值字体大小
for text in disp.text_.ravel():
    text.set_fontsize(14)  # 设置字体大小
    text.set_fontweight('bold')  # 设置字体加粗
plt.savefig("1.png", format='png', bbox_inches='tight')
plt.show()

优化二分类混淆矩阵

加入标准化混淆矩阵、总计行列和颜色区分，并对数据进行精细标注（如百分比和数值），优化混淆矩阵的可视化效果，使其更加直观和易于解读。

多分类模型实现

模型构建

import numpy as np
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = 'SimHei' # 设置中文显示
plt.rcParams['axes.unicode_minus'] = False
import warnings
# 忽略所有警告
warnings.filterwarnings("ignore")
df = pd.read_excel('多类别数据.xlsx')
from sklearn.preprocessing import LabelEncoder
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
from hyperopt import fmin, tpe, hp
from sklearn.metrics import accuracy_score
# 对 Type 列进行编码
label_encoder = LabelEncoder()
df['Type_encoded'] = label_encoder.fit_transform(df['Type'])
# 分割数据集
X = df.drop(['Type', 'Type_encoded'], axis=1)
y = df['Type_encoded']
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, stratify=df['Type_encoded']
)
# 定义超参数空间
parameter_space_svc = {
    'C': hp.loguniform('C', np.log(100), np.log(1000)),  # 惩罚项
    'kernel': hp.choice('kernel', ['rbf', 'poly']),       # 核函数类型（选择 rbf 或 poly）
    'gamma': hp.loguniform('gamma', np.log(100), np.log(1000)),  # 核函数的系数
}
# 初始化计数器
count = 0
# 定义优化目标函数
def func(args):
    global count
    count += 1
    print(f"\nIteration {count}: Hyperparameters - {args}")
    # 创建 SVM 分类器，传递超参数
    clf = SVC(**args)
    # 训练模型
    clf.fit(X_train, y_train)
    # 预测测试集
    prediction = clf.predict(X_test)
    # 计算准确率
    score = accuracy_score(y_test, prediction)
    print(f'Test accuracy: {score}')
    # 由于 fmin 函数默认是最小化目标函数，所以返回负准确率作为目标
    return -score
# 使用 TPE 算法进行超参数优化，最大评估次数为 100
best = fmin(func, parameter_space_svc, algo=tpe.suggest, max_evals=100)
# 将最佳的核函数类型从索引值转换为相应的字符串
kernel_list = ['rbf', 'poly']
best['kernel'] = kernel_list[best['kernel']]
# 将最佳超参数保存到 best_params_ 中
best_params_ = {
    'C': best['C'],
    'kernel': best['kernel'],
    'gamma': best['gamma']
}
# 输出最佳超参数
print('\nBest hyperparameters:', best_params_)
# 创建 SVM 分类器，并使用最佳超参数进行配置
clf = SVC(
    C=best_params_['C'],                # 惩罚项参数
    kernel=best_params_['kernel'],      # 核函数类型
    gamma=best_params_['gamma'],        # 核函数系数
    decision_function_shape='ovr',      # 多分类问题时使用 "ovr"（一对多）策略
    cache_size=5000,                    # 缓存大小，单位为 MB
    probability=True
)
# 使用训练数据进行模型训练
clf.fit(X_train, y_train)

通过超参数优化训练一个基于SVM的多分类模型，为后续生成和分析多分类混淆矩阵做好准备。

基础多分类混淆矩阵

from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay
# 使用测试集进行预测
y_pred = clf.predict(X_test)
# 计算混淆矩阵
cm = confusion_matrix(y_test, y_pred)
# 绘制混淆矩阵
disp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=label_encoder.classes_)  # 使用编码器的类标签
fig, ax = plt.subplots(figsize=(6, 6))  # 调整图大小
disp.plot(cmap='Blues', values_format='d', ax=ax)
# 设置标题和字体加粗
plt.title("Confusion Matrix for SVM Model", fontweight='bold', fontsize=14)
# 加粗坐标轴标签
ax.set_xlabel('Predicted Label', fontweight='bold', fontsize=12)
ax.set_ylabel('True Label', fontweight='bold', fontsize=12)
# 调整刻度字体
ax.tick_params(axis='both', labelsize=10, width=2)
# 调整矩阵中的数值字体大小
for text in disp.text_.ravel():
    text.set_fontsize(14)  # 设置字体大小
    text.set_fontweight('bold')  # 设置字体加粗
# 保存图像
plt.savefig("3.png", format='png', bbox_inches='tight')
plt.show()

优化多分类混淆矩阵

同样对于多分类模型，通过添加标准化、总计行列、颜色区分和精细标注，优化混淆矩阵的展示效果，使其更直观、全面且易于解读。