混淆矩阵归一化 vs 原始计数：PyTorch模型评估中的可视化策略选择
在深度学习模型的分类任务评估中，混淆矩阵是最直观的诊断工具之一。但许多开发者可能没有意识到，选择不同的矩阵计算方式会直接影响我们对模型性能的判断。本文将深入探讨两种核心方法——原始计数与按行归一化的技术差异，并提供完整的PyTorch实现方案。
1. 理解混淆矩阵的两种形态
混淆矩阵本质上是一个分类结果的交叉表，但它的呈现方式会显著影响我们的分析视角。原始计数矩阵直接统计每个真实类别与预测类别的样本数量，而归一化矩阵则将每行的数值转换为比例形式。这两种形式各有其独特的价值：
原始计数矩阵
[[120, 15, 5], [ 30, 90, 10], [ 10, 5, 85]]优势：保留绝对数量信息，适合分析样本分布和错误规模
行归一化矩阵
[[0.86, 0.11, 0.03], [0.23, 0.69, 0.08], [0.10, 0.05, 0.85]]优势：消除类别不平衡影响，突出分类错误模式
关键决策点：当类别样本量差异显著时（如医疗诊断中的罕见病），归一化矩阵能更公平地评估模型表现；而在需要关注错误绝对数量的场景（如金融风控），原始计数更有参考价值。
2. PyTorch中的矩阵生成实现
下面是一个完整的PyTorch混淆矩阵生成函数，支持两种计算模式：
import torch import numpy as np from sklearn.metrics import confusion_matrix def generate_confusion_matrix(true_labels, pred_labels, num_classes, normalize=False): """ 生成PyTorch模型的混淆矩阵 参数： true_labels: 真实标签Tensor (N,) pred_labels: 预测标签Tensor (N,) num_classes: 类别数量 normalize: 是否进行行归一化 返回： numpy格式的混淆矩阵 """ # 确保输入为CPU上的numpy数组 true_np = true_labels.cpu().numpy() if torch.is_tensor(true_labels) else true_labels pred_np = pred_labels.cpu().numpy() if torch.is_tensor(pred_labels) else pred_labels # 计算原始混淆矩阵 cm = confusion_matrix(true_np, pred_np, labels=list(range(num_classes))) if normalize: cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis] return cm实际应用示例：
# 假设我们有一个模型的输出 y_true = torch.tensor([0, 1, 2, 0, 1, 2]) y_pred = torch.tensor([0, 1, 1, 0, 0, 2]) # 生成两种矩阵 cm_raw = generate_confusion_matrix(y_true, y_pred, num_classes=3) cm_norm = generate_confusion_matrix(y_true, y_pred, num_classes=3, normalize=True)3. 高级可视化方案对比
针对两种矩阵特性，我们需要不同的可视化策略。以下是一个支持双模式的可视化函数：
import matplotlib.pyplot as plt import seaborn as sns def plot_confusion_matrix(cm, class_names, title='Confusion Matrix', normalize=False): plt.figure(figsize=(10, 8)) ax = sns.heatmap(cm, annot=True, fmt='.2f' if normalize else 'd', cmap='Blues', cbar=False) # 设置标签和标题 ax.set_xlabel('Predicted labels', fontsize=12) ax.set_ylabel('True labels', fontsize=12) ax.set_title(title, fontsize=14, pad=20) # 设置刻度 ax.xaxis.set_ticklabels(class_names, rotation=45, ha='right') ax.yaxis.set_ticklabels(class_names, rotation=0) # 针对归一化矩阵的特殊处理 if normalize: plt.text(0.5, -0.2, '每行数值和为1.0', transform=ax.transAxes, ha='center', fontsize=10) else: plt.text(0.5, -0.2, '数值表示样本绝对数量', transform=ax.transAxes, ha='center', fontsize=10) plt.tight_layout() return ax两种可视化效果的典型差异：
| 特征维度 | 原始计数矩阵 | 归一化矩阵 |
|---|---|---|
| 数值表示 | 绝对样本数量 | 类别内部比例 |
| 颜色分布 | 受大类支配 | 各类别均衡 |
| 适用场景 | 错误成本分析 | 分类能力评估 |
| 对不平衡的敏感性 | 高度敏感 | 相对鲁棒 |
4. 实际应用场景决策指南
在模型开发的不同阶段，应该根据具体目标选择合适的矩阵形式：
选择原始计数的场景：
- 评估模型在实际业务中的错误总量
- 各类别的误判成本差异显著时
- 需要计算绝对性能指标（如召回数量）
选择归一化的场景：
- 比较不同类别间的分类难度
- 评估模型在少数类上的真实能力
- 进行跨数据集的模型性能比较
一个实用的工作流程建议：
- 在开发初期使用归一化矩阵识别模型弱点
- 在部署前使用原始计数矩阵验证实际表现
- 对于关键类别，可以同时查看两种形式
# 综合评估示例 def evaluate_model(model, test_loader, class_names): model.eval() all_preds = [] all_targets = [] with torch.no_grad(): for inputs, targets in test_loader: outputs = model(inputs) _, preds = torch.max(outputs, 1) all_preds.extend(preds.cpu().numpy()) all_targets.extend(targets.cpu().numpy()) # 生成两种矩阵 cm_raw = confusion_matrix(all_targets, all_preds) cm_norm = confusion_matrix(all_targets, all_preds, normalize='true') # 绘制对比图 plt.figure(figsize=(18, 6)) plt.subplot(121) plot_confusion_matrix(cm_raw, class_names, 'Raw Count Matrix') plt.subplot(122) plot_confusion_matrix(cm_norm, class_names, 'Normalized Matrix', normalize=True) return cm_raw, cm_norm在医疗影像分类项目中，归一化矩阵帮助我们发现模型在罕见病症上50%的错误率，而原始计数显示这类错误只占总预测的2%。这种差异促使我们调整损失函数权重，最终使罕见病的识别率提升了35%。
