cannot import name 'plot_confusion_matrix': cách sửa
Bài 12/18 · Chương 13
Giải nghĩa lỗi và cảnh báo
- 6 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 10
Code cũ gọi plot_confusion_matrix(model, X, y) báo lỗi ngay ở dòng import trên scikit-learn mới, vì hàm vẽ confusion matrix này đã bị gỡ khỏi sklearn.metrics. Cách sửa là đổi sang lớp ConfusionMatrixDisplay: from_estimator() nhận đúng ba tham số như hàm cũ, còn from_predictions() nhận nhãn thật và nhãn đoán.
Cần biết trước: classification_report trong sklearn.
Bảng tra nhanh: hàm cũ và cách viết mới
Lỗi thuộc lớp ImportError: module sklearn.metrics có thật, nhưng tên cần import bên trong nó không còn. Ba hàm vẽ cũ bị đánh dấu bỏ ở bản 1.0 và bị xóa ở bản 1.2, nên mọi bản từ 1.2 đều báo lỗi này; các lớp …Display thay thế có from_estimator() và from_predictions() từ bản 1.0:
Code cũ | Code mới |
|---|---|
|
|
|
|
đã có |
|
|
|
|
|
Thông báo lỗi có thêm đường dẫn tới file của thư viện trên máy bạn, khác nhau giữa các máy, nên khối dưới chỉ in phần trước dấu ngoặc:
try:
from sklearn.metrics import plot_confusion_matrix
except ImportError as loi:
print(type(loi).__name__)
print(str(loi).split(" (")[0])KẾT QUẢ
ImportError
cannot import name 'plot_confusion_matrix' from 'sklearn.metrics'Đổi plot_confusion_matrix ở dòng hai thành plot_roc_curve rồi chạy lại: dòng cuối in cannot import name 'plot_roc_curve' from 'sklearn.metrics'.
from_estimator: thay thẳng hàm cũ
from_estimator() gọi model.predict(X) rồi vẽ, như hàm cũ. Nó nhận thêm display_labels= để đặt tên lớp, và ax= để vẽ vào axes của bạn, nơi bạn đặt tiêu đề và nhãn trục tiếng Việt:
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import ConfusionMatrixDisplay
from sklearn.model_selection import train_test_split
kh = pd.read_csv("hoi_vien.csv")
X = kh[["so_don_90_ngay", "so_ngay_tu_lan_mua_cuoi"]]
X_tr, X_te, y_tr, y_te = train_test_split(
X, kh["roi_bo"], stratify=kh["roi_bo"], random_state=0)
model = LogisticRegression().fit(X_tr, y_tr)
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
ConfusionMatrixDisplay.from_estimator(
model, X_te, y_te, display_labels=["Ở lại", "Rời bỏ"], ax=ax)
ax.set(title="Rời bỏ, tập test", xlabel="Model đoán", ylabel="Thực tế")
plt.show()Ô sáng nhất là 579 khách ở lại được đoán đúng. Hàng dưới mới là điều cần đọc: trong 149 khách rời bỏ thật, model chỉ bắt được 24. Cách đọc từng ô có ở bài confusion matrix.
from_predictions và tỉ lệ theo hàng
Khi đã có nhãn đoán, from_predictions(y_that, y_doan) vẽ mà không cần model. Tham số normalize="true" chia mỗi hàng cho tổng của hàng đó, nên mỗi ô là tỉ lệ trên số khách thật của lớp ấy:
import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import ConfusionMatrixDisplay
from sklearn.model_selection import train_test_split
kh = pd.read_csv("hoi_vien.csv")
X = kh[["so_don_90_ngay", "so_ngay_tu_lan_mua_cuoi"]]
X_tr, X_te, y_tr, y_te = train_test_split(
X, kh["roi_bo"], stratify=kh["roi_bo"], random_state=0)
y_doan = LogisticRegression().fit(X_tr, y_tr).predict(X_te)
hien = ConfusionMatrixDisplay.from_predictions(
y_te, y_doan, normalize="true")
print(hien.confusion_matrix.round(2))KẾT QUẢ
[[0.96 0.04]
[0.84 0.16]]Model bỏ sót 84 % khách rời bỏ. Hình chia theo hàng hợp khi hai lớp chênh nhau nhiều: hình đếm số khách làm ô 579 lấn át mọi ô khác, còn hình tỉ lệ cho thấy ngay mỗi lớp được đoán đúng bao nhiêu phần, như recall của từng lớp. Mảng số nằm trong thuộc tính confusion_matrix của đối tượng trả về, nên bạn đọc được con số mà không cần nhìn hình.
Kiểm tra nhanh
Với
from sklearn.metrics import ConfusionMatrixDisplay,ConfusionMatrixDisplay.from_predictions([0, 0, 1, 1], [0, 1, 1, 1], normalize="true").confusion_matrix.tolist()cho kết quả gì?[[0.5, 0.5], [0.0, 1.0]][[1, 1], [0, 2]][[1.0, 0.33], [0.0, 0.67]]
Dòng
from sklearn.metrics import plot_confusion_matrixchạy với scikit-learn 1.8.0 báo lỗi gì?ImportErrorModuleNotFoundErrorNameError
Những câu nào đúng về
ConfusionMatrixDisplay?from_estimator(model, X, y)nhận đúng ba tham số như hàm cũfrom_predictions()nhận nhãn thật trước, nhãn đoán sau- Thuộc tính
confusion_matrixgiữ mảng số đã vẽ from_predictions()cần model đã fit
Bài tập
Ma trận tỉ lệ theo hàng
Bạn muốn tự dựng ConfusionMatrixDisplay(confusion_matrix=...) từ một mảng tỉ lệ đã tính sẵn. Viết thân hàm bang_ty_le(y_that, y_doan) trả confusion matrix của hai list nhãn, chia theo hàng (normalize="true"): mỗi ô là tỉ lệ trên số mẫu thật của lớp ở hàng đó. Hàm không sửa hai list của nơi gọi.
Ví dụ: y_that = [0, 0, 1, 1], y_doan = [0, 1, 1, 1] cho mảng [[0.5, 0.5], [0.0, 1.0]].
Trả về: ma trận tỉ lệ, một ndarray.
import numpy as np
from sklearn.metrics import confusion_matrix
def bang_ty_le(y_that, y_doan):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
plot_confusion_matrix,plot_roc_curve,plot_precision_recall_curvebị đánh dấu bỏ ở 1.0, bị gỡ khỏisklearn.metricsở 1.2; import chúng báo ImportError.ConfusionMatrixDisplay.from_estimator(model, X, y)thay thẳng hàm cũ;display_labels=vàax=đặt tên lớp và axes.from_predictions(y_that, y_doan)vẽ từ nhãn đã có; đảo thứ tự thì ma trận lật mà không báo lỗi.normalize="true"chia theo hàng; mảng số nằm trong thuộc tínhconfusion_matrix.
Câu hỏi thường gặp
Đổi màu hay định dạng số trên hình thế nào?
from_estimator() và from_predictions() nhận cmap= để đổi bảng màu, như cmap="Blues", và values_format= để đổi cách in số, như values_format=".2f" khi đã chuẩn hóa. Cách đọc các ô có ở bài confusion matrix.
Bài toán nhiều lớp có vẽ được không?
Được: ma trận có bao nhiêu lớp thì bấy nhiêu hàng và cột, và display_labels là list tên theo thứ tự lớp. Đọc kèm từng dòng của classification_report để thấy lớp nào bị nhầm nhiều nhất.
Code cũ dùng plot_roc_curve thì sửa sao?
Đổi sang RocCurveDisplay.from_estimator(model, X, y), cùng ba tham số. Đường cong precision recall cũng vậy với PrecisionRecallDisplay.from_estimator().
Chủ đề
Dữ liệu của bài
- Tải xuống
hoi_vien.csv
CSV · 207.25 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.