from sklearn.ensemble import AdaBoostClassifier, GradientBoostingClassifier
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from matplotlib import pyplot as plt
from sklearn.datasets import load_iris
from sklearn.metrics import plot_confusion_matrix
data = load_iris()
X = data.data
y = data.target
设置-
X_train, X_test, y_train, y_test = train_test_split(X, y)
classifiers = [LogisticRegression(solver='lbfgs'),
AdaBoostClassifier(),
GradientBoostingClassifier(),
SVC()]
for cls in classifiers:
cls.fit(X_train, y_train)
2条答案
按热度按时间0mkxixxg1#
让我们使用good'ol iris数据集来重现这一点,并拟合几个分类器,用
plot_confusion_matrix
绘制它们各自的混淆矩阵:设置-
因此,你可以简单地比较所有矩阵的方法是通过使用
plt.subplots
创建一组子图。然后在轴对象和训练的分类器上迭代(plot_confusion_matrix
期望作为输入)并绘制各个混淆矩阵:u7up0aaq2#
if your desired output is that这是我使用ConfusionMatrixDisplay并排查看多个混淆矩阵(confusion_matrix)的方法。
注意:在
metrics.confusion_matrix()
函数中粘贴您自己的测试和训练数据名称。