sklearn.metrics.plot_confusion_matrix(estimator, X, y_true, *, labels=None, sample_weight=None, normalize=None, display_labels=None, include_values=True, xticks_rotation='horizontal', values_format=None, cmap='viridis', ax=None, colorbar=True)[source]

Trazar matriz de confusión.

Leer más en el Guía del usuario.

Parámetros
estimatorestimator instance

Clasificador equipado o un Pipeline en el que el último estimador es un clasificador.

Xarray-like, sparse matrix of shape (n_samples, n_features)

Valores de entrada.

y_truearray-like of shape (n_samples,)

Valores objetivo.

labelsarray-like of shape (n_classes,), default=None

Lista de etiquetas para indexar la matriz. Esto se puede utilizar para reordenar o seleccionar un subconjunto de etiquetas. Si None se da, los que aparecen al menos una vez en y_true o y_pred se utilizan en orden ordenado.

sample_weightarray-like of shape (n_samples,), default=None

Pesos de muestra.

normalize‘true’, ‘pred’, ‘all’, default=None

Normaliza la matriz de confusión sobre las condiciones verdaderas (filas), predichas (columnas) o toda la población. Si es Ninguno, la matriz de confusión no se normalizará.

display_labelsarray-like of shape (n_classes,), default=None

Nombres de destino utilizados para trazar. Por defecto, labels se utilizará si está definido; de lo contrario, las etiquetas únicas de y_true y y_pred se utilizará.

include_valuesbool, default=True

Incluye valores en matriz de confusión.

xticks_rotation‘vertical’, ‘horizontal’ or float, default=’horizontal’

Rotación de etiquetas xtick.

values_formatstr, default=None

Especificación de formato para valores en matriz de confusión. Si None, la especificación de formato es ‘d’ o ‘.2g’, el que sea más corto.

cmapstr or matplotlib Colormap, default=’viridis’

Mapa de colores reconocido por matplotlib.

axmatplotlib Axes, default=None

Objeto de ejes sobre el que trazar. Si None, se crea una nueva figura y ejes.

colorbarbool, default=True

Si agregar o no una barra de colores al gráfico.

Nuevo en la versión 0.24.

Devoluciones
displayConfusionMatrixDisplay

Ver también

confusion_matrix

Calcule la matriz de confusión para evaluar la precisión de una clasificación.

ConfusionMatrixDisplay

Visualización de matriz de confusión.

Ejemplos de

>>>import matplotlib.pyplot as plt  
>>>from sklearn.datasets import make_classification
>>>from sklearn.metrics import plot_confusion_matrix
>>>from sklearn.model_selection import train_test_split
>>>from sklearn.svm import SVC
>>> X, y = make_classification(random_state=0)>>> X_train, X_test, y_train, y_test = train_test_split(...         X, y, random_state=0)>>> clf = SVC(random_state=0)>>> clf.fit(X_train, y_train)
SVC(random_state=0)>>> plot_confusion_matrix(clf, X_test, y_test)>>> plt.show()

Ejemplos usando sklearn.metrics.plot_confusion_matrix

Reconocer dígitos escritos a mano

Reconocer dígitos escritos a mano

Matriz de confusión

Matriz de confusión