我有一个函数，它从scikit-learn导入随机森林分类器，我用数据对其进行拟合，最后我想显示准确率、Kappa值和混淆矩阵。所有功能都正常工作，除了打印混淆矩阵。我没有收到任何错误，但混淆矩阵没有打印出来。
我尝试过调用print(cm)，它确实工作了，但它没有以常用的pandas数据框样式打印，这是我想要的效果。
这是代码
def rf_clf(X, y, test_size = 0.3, random_state = 42): """这个函数将数据分割成训练集和测试集，并将数据拟合到随机森林分类器中，分析其错误（准确率和Kappa值）。由于这是分类任务，函数还会输出混淆矩阵""" #将数据分割成训练集和测试集，以及预测变量（X）和目标变量（y） X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=test_size, random_state=random_state, stratify=y) #导入随机森林分类器 base_model = RandomForestClassifier(random_state=random_state) #训练模型 base_model.fit(X_train,y_train) #在测试集上进行预测 y_pred=base_model.predict(X_test) #打印准确率和Kappa值 print("准确率:",metrics.accuracy_score(y_test, y_pred)) print("Kappa值:",metrics.cohen_kappa_score(y_test, y_pred)) #创建混淆矩阵 labs = [y_test[i][0] for i in range(len(y_test))] cm = pd.DataFrame(confusion_matrix(labs, y_pred)) cm #这里是问题所在。用print(cm)有点效果回答：
-
在开始时从sklearn导入metrics模块。
from sklearn import metrics -
当你想显示混淆矩阵时使用以下代码。
# 获取并显示混淆矩阵cm = metrics.confusion_matrix(y_test, y_pred)print(cm)
这样你应该能以原始文本形式查看混淆矩阵。
如果你想以彩色显示混淆矩阵，可以这样做：
-
导入
from sklearn.metrics import confusion_matriximport pandas as pdimport seaborn as sns; sns.set() -
这样使用：
cm = confusion_matrix(y_test, y_pred)cmat_df = pd.DataFrame(cm, index=class_names, columns=class_names)ax = sns.heatmap(cmat_df, square=True, annot=True, cbar=False)ax.set_xlabel('预测')ax.set_ylabel('实际')` -
祝你好运！
