Spyder预测标签和真实标签以Mat格式输出（待续）

1.需求

需要将Spyder里面的预测标签和真实标签输出，并保存为Mat格式，以通过Matlab生成混淆矩阵，为什么要用Matlab生成混淆矩阵呢？python不是也是可以的吗？

import pandas as pd
import torch
from sklearn.metrics import confusion_matrix
df = pd.read_csv(r'C:\Users\Victor\Desktop\whd123\utf8.csv',encoding='utf-8')
Pred = []
for num , label in enumerate(df['pred_label']):
    class_label = label.split(':')
    nums = class_label[-1].split(']')
    Pred.append(int(nums[0][-1]))
GT = []
for num , label in enumerate(df['gt_label']):
    class_label = label.split(':')
    nums = class_label[-1].split(']')
    GT.append(int(nums[0][-1]))
print(confusion_matrix(GT, Pred))

生成的效果如下：
在这里插入图片描述自己也搜集了一些Github上绘制使用Python绘制混淆矩阵的代码，其中也有模仿Matlab视觉效果的，但是配色不如Matlab好看，所以自己想将标签数据导出，然后利用Matlab进行混淆矩阵绘制。

实现

利用上面的代码可以将预测标签和真实标签从csv文件读出。通过变量查看器可以看出都是list类型。
在这里插入图片描述元素是整型。我们将两列数据并列输出，命令：

merged_list = list(zip(Pred, GT))

生成
在这里插入图片描述也是list结构，元素的数据类型是tuple(元组)。
将该元组数据保存为Mat格式，在变量查看器上方，可以save as 为Mat数据类型，只能保存为两种数据类型，一种是Mat,一种是*.spydata。

用matlab打开Mat数据文件，Matlab已卸载，后面有时间再安装。
使用python生成混淆矩阵，github搜索confusion_matrix。

参考代码
 https://pypi.org/project/pycm/ 史上最强机器学习分类评估库，可以根据混淆矩阵自动生成各种指标。

改变图片大小

# -*- coding: utf-8 -*-
"""
Created on Sun May 21 12:10:04 2023

@author: Victor
"""

from matplotlib import pyplot as plt
from pycm import *
plt.rcParams['figure.figsize'] = (12, 8)  # 设置图像大小为宽度为6英寸，高度为4英寸
plt.rcParams['figure.dpi'] = 100  # 设置图像的 DPI 值为100

cm = ConfusionMatrix(actual_vector=GT, predict_vector=Pred)
cm.classes
cm.print_matrix()
#fig = plt.figure(figsize=(1200, 1200), dpi=300)
cm.plot(cmap=plt.cm.Greens, number_label=True, plot_lib="matplotlib")
plt.tight_layout()  #去除多余白边
plt.savefig('confusion_matrix.png')

在这里插入图片描述

Spyder预测标签和真实标签以Mat格式输出（待续）

1.需求

实现

猜你喜欢