绘图：如何使用热图制作带注释的混淆矩阵？

Question

我喜欢使用 Plotly 来可视化所有内容，我试图通过 Plotly 可视化一个混淆矩阵，这是我的代码：def plot_confusion_matrix(y_true, y_pred, class_names):    confusion_matrix = metrics.confusion_matrix(y_true, y_pred)    confusion_matrix = confusion_matrix.astype(int)    layout = {        "title": "Confusion Matrix",         "xaxis": {"title": "Predicted value"},         "yaxis": {"title": "Real value"}    }    fig = go.Figure(data=go.Heatmap(z=confusion_matrix,                                    x=class_names,                                    y=class_names,                                    hoverongaps=False),                    layout=layout)    fig.show()结果是如何在相应的单元格中显示数字，而不是像这样悬停

Answer 1

您可以使用带注释的热图来获得以下内容：ff.create_annotated_heatmap()

完整代码：

import plotly.figure_factory as ff

z = [[0.1, 0.3, 0.5, 0.2],

     [1.0, 0.8, 0.6, 0.1],

     [0.1, 0.3, 0.6, 0.9],

     [0.6, 0.4, 0.2, 0.2]]

x = ['healthy', 'multiple diseases', 'rust', 'scab']

y =  ['healthy', 'multiple diseases', 'rust', 'scab']

# change each element of z to type string for annotations

z_text = [[str(y) for y in x] for x in z]

# set up figure 

fig = ff.create_annotated_heatmap(z, x=x, y=y, annotation_text=z_text, colorscale='Viridis')

# add title

fig.update_layout(title_text='<i><b>Confusion matrix</b></i>',

                  #xaxis = dict(title='x'),

                  #yaxis = dict(title='x')

                 )

# add custom xaxis title

fig.add_annotation(dict(font=dict(color="black",size=14),

                        x=0.5,

                        y=-0.15,

                        showarrow=False,

                        text="Predicted value",

                        xref="paper",

                        yref="paper"))

# add custom yaxis title

fig.add_annotation(dict(font=dict(color="black",size=14),

                        x=-0.35,

                        y=0.5,

                        showarrow=False,

                        text="Real value",

                        textangle=-90,

                        xref="paper",

                        yref="paper"))

# adjust margins to make room for yaxis title

fig.update_layout(margin=dict(t=50, l=200))

# add colorbar

fig['data'][0]['showscale'] = True

fig.show()

Answer 2

我发现@vestland的策略是最有用的。

但是，与传统的混淆矩阵不同，正确的模型预测是沿着右上角线，而不是左上角。

这可以通过反转混淆矩阵的所有索引值来轻松修复，如下所示：

import plotly.figure_factory as ff

z = [[0.1, 0.3, 0.5, 0.2],

     [1.0, 0.8, 0.6, 0.1],

     [0.1, 0.3, 0.6, 0.9],

     [0.6, 0.4, 0.2, 0.2]]

# invert z idx values

z = z[::-1]

x = ['healthy', 'multiple diseases', 'rust', 'scab']

y =  x[::-1].copy() # invert idx values of x

# change each element of z to type string for annotations

z_text = [[str(y) for y in x] for x in z]

# set up figure 

fig = ff.create_annotated_heatmap(z, x=x, y=y, annotation_text=z_text, colorscale='Viridis')

# add title

fig.update_layout(title_text='<i><b>Confusion matrix</b></i>',

                  #xaxis = dict(title='x'),

                  #yaxis = dict(title='x')

                 )

# add custom xaxis title

fig.add_annotation(dict(font=dict(color="black",size=14),

                        x=0.5,

                        y=-0.15,

                        showarrow=False,

                        text="Predicted value",

                        xref="paper",

                        yref="paper"))

# add custom yaxis title

fig.add_annotation(dict(font=dict(color="black",size=14),

                        x=-0.35,

                        y=0.5,

                        showarrow=False,

                        text="Real value",

                        textangle=-90,

                        xref="paper",

                        yref="paper"))

# adjust margins to make room for yaxis title

fig.update_layout(margin=dict(t=50, l=200))

# add colorbar

fig['data'][0]['showscale'] = True

fig.show()

Answer 3

正如@vestland所说，你可以用情节注释数字。热图可用作任何类型的绘图。这是一个用于从混淆矩阵（基本上只是一个带有数字的2-d向量）绘制热图的代码。

def plot_confusion_matrix(cm, labels, title):

# cm : confusion matrix list(list)

# labels : name of the data list(str)

# title : title for the heatmap

data = go.Heatmap(z=cm, y=labels, x=labels)

annotations = []

for i, row in enumerate(cm):

    for j, value in enumerate(row):

        annotations.append(

            {

                "x": labels[i],

                "y": labels[j],

                "font": {"color": "white"},

                "text": str(value),

                "xref": "x1",

                "yref": "y1",

                "showarrow": False

            }

        )

layout = {

    "title": title,

    "xaxis": {"title": "Predicted value"},

    "yaxis": {"title": "Real value"},

    "annotations": annotations

}

fig = go.Figure(data=data, layout=layout)

return fig