关于sklearn绘制混淆矩阵的问题

sklearn有一个绘制混淆矩阵的函数叫做 confusion_matrix(label,predict)

其目的是根据标签和模型预测值来绘制出混淆矩阵，label就是实际值，predict是预测值，格式要求是元素为str格式的列表，比如 label = [ '0' ,'1' ,'2'] 表示的就是三个样本的标签，0，1，2分别表示的是其对应的分类编号，同时也是最终混淆矩阵的行索引（后面会展开讲讲），pedict的样本顺序必须与之对应，通过一一按顺序成组比对label和predict的类别获得最终的结果。

最终结果如下图示意：

图1.三分类问题混淆矩阵示意图

上图假设了一个3分类的问题，行索引代表的是实际值，列索引代表的是预测值，矩阵中的数字则代表对应的样本数量，以第二列[1, 7, 1]为例，7的位置是[1][1],即label=predict,分类正确，1类被分对的样本有7个，所有对角线上的数字表示正确分类的数量，第一个1的位置是[0][1]，表示样本是第0类，但是模型把它分为第1类，这样的样本有1个，依次类推。

如果想研究模型的错误，往往不关注对角上的元素，可以全部为0，然后按行求和，则是对应样本的错误总数（按列求和则是本不属于此类，但被分为此类的样本总数），则上图变为（求和是绘制完成后另外 *** 作的）：

图2.只包括错误结果的混淆矩阵 

笔者处理的是60分类问题，使用sklearn.confusion_matrix()得到的结果出现了如下问题：

 可以看见，数据发生了错位，相同颜色的数据出现了整体偏移，总数上是没有问题的，但是在单独提取某一种错误的样本时，发现样本的数量对不上，原因暂时未知，于是自己写了一个函数来绘制混淆矩阵：

def my_confusion_matrix(true, predict, n_class, len):
    C = np.zeros((n_class,n_class))
    for i in range(0,len):
        C[int(true[i]), int(predict[i])] += 1
    return C

true,predict不在赘述，n_class就是问题中类别的数量，len是测试集的样本数量。

其实很简单，以60分类为例，先定义一个（60*60）成组遍历两个数组，label做为行索引，predict做为列索引，对应的位置加1，最终结果经过验证是正确的。

目前不知道为什么sklearn.confusion_matrix()绘制的结果是错的，以后大家用各种库函数跑出来的结果还是要多看一眼。