用Seaborn绘制混淆矩阵热力图

您可以在保存的CSV文件中，使用seaborn库中的heatmap函数绘制对应的热力图。首先，您需要读取保存的csv文件，然后使用pandas库中的read_csv函数加载数据。接下来，使用seaborn库中的heatmap函数来绘制热力图。

以下是一个示例代码：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 读取保存的csv文件
cm_df = pd.read_csv('/mnt/disk1/lh/code/InternImage/classification/outcsv/' + file_name, index_col=0)

# 绘制热力图
plt.figure(figsize=(10, 8))
sns.heatmap(cm_df, annot=True, cmap='Blues')
plt.xlabel('Predicted Label')
plt.ylabel('True Label')
plt.title('Confusion Matrix Heatmap')
plt.show()

在这个示例中，我们使用了一个10x10的热力图，其中行表示真实标签，列表示预测标签。annot=True参数会在每个单元格中显示对应的数值。您可以根据需要调整热力图的大小、颜色映射和其他细节。最后，使用plt.show()函数显示热力图。

请注意，您可能需要在绘制热力图之前安装seaborn库和matplotlib库。您可以使用以下命令进行安装：

pip install seaborn matplotlib

代码解释

cm = confusion_matrix(labels, preds): 计算混淆矩阵。
cm_df = pd.DataFrame(cm, index=classes, columns=classes): 将混淆矩阵转换为pandas DataFrame，方便使用。
cm_df.to_csv('/mnt/disk1/lh/code/InternImage/classification/outcsv/' + file_name): 将DataFrame保存为CSV文件。
sns.heatmap(cm_df, annot=True, cmap='Blues'): 使用Seaborn库绘制热力图。annot=True 表示显示每个单元格的值，cmap='Blues' 设置颜色映射为蓝色系。
plt.xlabel('Predicted Label'), plt.ylabel('True Label'), plt.title('Confusion Matrix Heatmap'): 设置坐标轴标签和标题。

总结

本文介绍了如何使用Seaborn库绘制混淆矩阵热力图，通过直观的图表展示分类模型的性能。您可以根据自己的需要调整参数和代码，获得更丰富的信息和更美观的图表。