我在fastai中使用以下代码绘制混淆矩阵：

interp = ClassificationInterpretation.from_learner(learn)interp.plot_confusion_matrix()

但是由于我有大约20个类别，最终得到的矩阵非常小：

我找到了与sklearn相关的提问，但不知道如何将其应用到fastai（因为我们没有直接使用pyplot）。

回答：

如果你查看函数ClassificationInterpretation.plot_confusion_matrix的代码（在文件fastai / interpret.py中），你会看到以下内容：

    def plot_confusion_matrix(self, normalize=False, title='Confusion matrix', cmap="Blues", norm_dec=2,                              plot_txt=True, **kwargs):        "Plot the confusion matrix, with `title` and using `cmap`."        # This function is mainly copied from the sklearn docs        cm = self.confusion_matrix()        if normalize: cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]        fig = plt.figure(**kwargs)        plt.imshow(cm, interpolation='nearest', cmap=cmap)        plt.title(title)        tick_marks = np.arange(len(self.vocab))        plt.xticks(tick_marks, self.vocab, rotation=90)        plt.yticks(tick_marks, self.vocab, rotation=0)

关键在于这一行fig = plt.figure(**kwargs)，因此，plot_confusion_matrix函数会将其参数传递给绘图函数。

所以你可以使用以下任一选项：

• dpi=xxx（例如dpi=200）
• figsize=(xxx, yyy)

关于它们之间的关系，请参见StackOverflow上的这篇文章：https://stackoverflow.com/a/47639545/1603480

因此，在你的情况下，你可以这样做：

interp.plot_confusion_matrix(figsize=(12, 12))

混淆矩阵将看起来像这样：

顺便提一下：这也适用于其他绘图函数，例如

interp.plot_top_losses(20, nrows=5, figsize=(25, 25))