Цветовая панель для графа Matplotlib с нормализованной матрицей путаницы не обновляет значения

Я пытаюсь решить проблему многоклассового машинного обучения с самыми близкими соседями и строю матрицу путаницы для предсказаний всех моих 10 классов в моих данных с помощью Matplotlib.imshow pyplot по. Некоторые классы имеют значительно больше вхождений в данные, чем другие, до 3000, где другие могут иметь только 50, поэтому я нормализовал его, чтобы просто показать процент. Рядом с графиком есть цветовая полоса, которая, если ее не нормализовать, будет колебаться от 1 до 3000, что имеет смысл. Однако после его нормализации диапазон остается вплоть до 3000. Я использую функцию построения графика, предоставленную Scikit Learn themselves на своем сайте здесь. Есть ли что-то очевидное, что я упускаю ,или есть дополнительный шаг для уменьшения диапазона значений colorbar?

Код 

virdis = plt.cm.viridis
blues = plt.cm.Blues
autumn = plt.cm.autumn

def plot_confusion_matrix(cm, classes,
                          normalize=False,
                          title='Confusion matrix',
                          cmap=blues):
    """
    This function prints and plots the confusion matrix.
    Normalization can be applied by setting `normalize=True`.
    """
    plt.imshow(cm, interpolation='nearest', cmap=cmap)
    plt.title(title)

    bounds=[0, .1, .2, .3, .4, .5, .6, .7, .8, .9, 1]
    plt.colorbar(boundaries=bounds)

    tick_marks = np.arange(len(classes))
    plt.xticks(tick_marks, classes, rotation=45)
    plt.yticks(tick_marks, classes)

    if normalize:
        cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]
        print("Normalized confusion matrix")
    else:
        print('Confusion matrix, without normalization')

    cm = np.around(cm, decimals=3)

    thresh = cm.max() / 2.

    for i, j in itertools.product(range(cm.shape[0]), range(cm.shape[1])):
        plt.text(j, i, cm[i, j],
                 horizontalalignment="center",
                 color="white" if i == 9 and j == 9 else "black")

    plt.ylabel('True label')
    plt.xlabel('Predicted label')

knn = KNeighborsClassifier()
knn.fit(X_train, y_train)

knn_score = knn.score(X_test, y_test)
knn_fold_score = model_selection.cross_val_score(knn, X_test, y_test, cv=10).mean()
predictions = knn.predict(X_test)

c_matrix = confusion_matrix(y_test, predictions)

# Plot normalized confusion matrix
plt.figure()
plot_confusion_matrix(c_matrix, classes=country_names, normalize=True,
                      title='Normalized confusion matrix')

plt.show()

Введите описание изображения здесь

1 2
python matplotlib machine-learning colorbar

1 ответ:

Как вы можете понять, цветовая полоса и ее диапазон остаются и должны оставаться с сюжетом, т. е. plt.imshow. Пример Scikit Learn и ваш пример строят матрицу, прежде чем делать или решать, делать ли нормализацию. Таким образом, два графика и связанные с ними панели цветов выглядят совершенно одинаково. Если вы обрабатываете нормализацию перед построением графика, то есть перемещаете следующий блок: 

if normalize:
    cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]
    print("Normalized confusion matrix")
else:
    print('Confusion matrix, without normalization')

cm = np.around(cm, decimals=3)

Перед plt.imshow(cm, interpolation='nearest', cmap=cmap), Цветовая полоса для нормализованного графика будет тогда в диапазоне от 0 до 1. Опять же, просто чтобы напомнить вам, (цвет) самого сюжета также изменится. Я думаю, что не будет хорошей идеей просто изменить текстовые метки для цветовой панели, чтобы она была в диапазоне от 0 до 1, не изменяя саму цветовую панель и связанный с ней сюжет.

2