an-unique-way-of-visualising-confusion-matrix-sankey-chart-de8e4d09b9b.md

直观混淆矩阵的独特方法——桑基图

原文：https://pub.towardsai.net/an-unique-way-of-visualising-confusion-matrix-sankey-chart-de8e4d09b9b?source=collection_archive---------0-----------------------

去桑基减少混乱！

作者图片

机器学习中的混淆矩阵方便地总结了模型的性能。然而，当与非技术风险承担者交流时，混淆矩阵可能看起来不直观🤔。那么解决办法是什么呢——创建一个桑基图。

表示二元混淆矩阵的桑基图(图片由作者提供

上图展示了典型二元混淆矩阵的桑基图。在图表中，

• 左边的矩形框显示真实的类，而右边的对应框显示预测的类。
• 绿色表示正确的分类，红色表示错误的分类。

故事大纲

1. 简而言之，桑基图是什么？
2. 如何从混淆矩阵中创建桑基图？
3. 奖金🎁

简而言之，桑基图是什么？

桑基图用于显示从源头到汇点的流动或连接。我们用一个简单的例子来了解它的应用。

假设我们有一个注册的数据集👨‍🎓👩‍🎓三所大学的数据科学或商业分析课程🏫。在这里，大学可以被视为来源，课程可以被视为汇集。登记的数量表示从源到接收器的连接。其中一些联系可能比其他联系更重要，例如，从大学 A 到数据科学的联系比其到业务分析的联系更重要。

根据https://sankeymatic.com/build/创建的桑基图

混淆矩阵的桑基图有以下组成部分:

• 来源:真实类
• 目标(接收器):预测类
• 连接/流量:实例数

如何从混淆矩阵创建桑基图？

我们将按照下图所示的 3 个步骤来创建桑基图。

从混淆矩阵绘制桑基图的三步方法(图片由作者提供)

第一步:获取混淆矩阵

在这一步，我们将生成一个混淆矩阵。这可以从 sci-kit 学习混淆 _ 矩阵功能中输出。为了简单起见，我们将使用下面的混淆矩阵。

步骤 2:将混淆矩阵转换为数据帧

我们将把这一步分成几个小步骤。

2.1-从混淆矩阵中创建一个数据框架

2.2 —重组数据帧

2.3 —添加新列“颜色”

现在我们将添加一个新的“颜色”列来突出预测的真实性。这里的rgba(211,255,216,0.6)表示green颜色，它将突出显示正确的预测。而不正确的预测将以红色突出显示，即rgba(245,173,168,0.6)。

2.4 —将源列和目标列映射到数字索引

让我们添加一个新的文本列，当我们将鼠标悬停在图表上时显示。

2.5 —添加新列“工具提示”

现在我们准备绘制图表。

步骤 3:创建桑基图表

绘图函数go.Sankey有两个主要参数——节点&链接。节点是类别，即真实类别 1、预测类别 2 等。而链接是真实类和预测类之间的连接/流。

奖金

感谢您完成所有步骤😀我知道这是一个繁琐的过程，所以为什么不创建一个函数呢？我已经创建了一个方便的函数来绘制任何混淆矩阵(二元和多类)的 Sankey 图。

请随意在 GitHub 上查看这款笔记本，了解关于该功能的更多信息！

走之前！

我希望你喜欢这个故事，并发现它很有用。如果你想知道更多类似的故事，请关注我，并请我喝杯咖啡😊。

我的其他故事你可能会喜欢……

[## 如何在 Pandas 中使用条件格式改进您的分析报告

Pandas 中使用 Styler API 的类似 Excel 的条件格式

pub.towardsai.net](/improve-your-analytical-report-with-conditional-formatting-in-pandas-76039fd3ccb5) [## 在您的下一个分析中尝试这些熊猫显示配置

在这些有用的熊猫展示定制后，满怀信心地分享您的分析笔记本

pub.towardsai.net](/try-these-pandas-display-configurations-in-your-next-analysis-72589648d9a0)