期刊图片复现|Python进行RF、XGB、CatBoost分类任务多模型评估与混淆矩阵可视化

# =========================================================================================# ====================================== 1. 环境设置 =======================================# =========================================================================================import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsfrom matplotlib.colors import LinearSegmentedColormapfrom sklearn.model_selection import train_test_split, GridSearchCV

# =========================================================================================# ======================================2.颜色库=======================================# =========================================================================================COLOR_SCHEMES = {    1: ["#39738A", "#D0DFE3", "#EB7125"],}

# =========================================================================================# ======================================3.绘图函数=======================================# =========================================================================================def plot_confusion_matrices(matrix_data, scheme_id):    current_colors = COLOR_SCHEMES.get(scheme_id, COLOR_SCHEMES[1]) #提取配色方案    current_cmap = LinearSegmentedColormap.from_list("custom_cmap", current_colors) #创建线性渐变颜色映射    #创建画布    fig, axes = plt.subplots(3, 3, figsize=(14, 13))    titles = ['Random Forest', 'XGBoost', 'CatBoost'] #模型标题    letters = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i'] #子图编号

    #遍历每一个子图    for i, ax in enumerate(axes.flat):        ax.invert_yaxis() #翻转Y轴刻度        #遍历边框线        for _, spine in ax.spines.items():            spine.set_visible(True) #可见            spine.set_color('black') #颜色            spine.set_linewidth(1.5) #粗细        #设置刻度        ax.tick_params(axis='both', #x、y                       which='major', #主刻度线                       width=2, #宽                       length=5, #长                       color='black') #颜色

        #遍历行        for y in range(5):                    rgb = current_cmap(val / 100.0) #将百分比归一化到0-1，获取对应背景色的RGB值                    luminance = 0.299 * rgb[0] + 0.587 * rgb[1] + 0.114 * rgb[2] #计算背景色的明暗程度                    text_color = 'white' if luminance < 0.5 else 'black' #若背景暗则采用白色，反之采用黑色                    #格子内文本                    ax.text(x + 0.5, #x                            y + 0.5, #y                            f"{int(np.round(val))}%", #文本                            ha='center', #水平                            va='center', #垂直                            color=text_color, #颜色                            fontsize=12, #字体大小                            fontweight='bold') #加粗

        ax.set_xticks(np.arange(5) + 0.5) #x轴的主刻度位置        ax.set_xticklabels([0, 1, 2, 3, 4], fontsize=12) #x轴刻度标注        ax.set_yticks(np.arange(5) + 0.5) #y轴刻度位置        ax.set_yticklabels([0, 1, 2, 3, 4], fontsize=12) #y轴刻度标注        ax.set_xlabel('True_Class', fontsize=16, labelpad=8) #x轴标题        ax.set_ylabel('Predicted class', fontsize=16, labelpad=8) #y轴标题        #子图编号        ax.text(-0.15, #x                1.02, #y                letters[i], #字母                transform=ax.transAxes, #坐标系                fontsize=16, #字体大小                fontweight='bold', #加粗                va='bottom', #垂直                ha='right') #水平

    #颜色条坐标轴    cbar_ax = fig.add_axes([0.94, #左                            0.35, #下                            0.02, #宽                            0.3]) #高    #构建一个数据到颜色的可映射对象    sm = plt.cm.ScalarMappable(cmap=current_cmap,norm=plt.Normalize(vmin=0, vmax=100))    cbar.outline.set_color('black') #外框线色    cbar.outline.set_linewidth(1.5) #线宽    cbar.ax.tick_params(length=0)  #去掉颜色条刻度线

# =========================================================================================# ======================================4.执行部分=======================================# =========================================================================================if __name__ == '__main__':    excel_filename = r'microplastic_data.xlsx' #原始数据路径    df_main = pd.read_excel(excel_filename) #读取    X_main = df_main.drop(columns=['Target_Class']).values #特征    y_main = df_main['Target_Class'].values #目标    # 划分数据    X_train, X_test, y_train, y_test = train_test_split(X_main, y_main, test_size=0.2, random_state=42)    ind_excel_filename = r'independent_validation_data.xlsx' #独立验证数据    df_ind = pd.read_excel(ind_excel_filename) #读取    X_ind = df_ind.drop(columns=['Target_Class']).values #特征    y_ind = df_ind['Target_Class'].values  #目标

    # 保存筛选出来的带有最佳参数的三个模型    best_models = {}    # 模型名称    model_names = ['Random Forest', 'XGBoost', 'CatBoost']    # RF超参数网格    rf_param = {'n_estimators': [50, 100],                'max_depth': [5, 10, None]}    # 配置网格搜索    cb_grid = GridSearchCV(CatBoostClassifier(random_state=42, verbose=0), cb_param, cv=3, n_jobs=-1)    cb_grid.fit(X_train, y_train)#拟合    best_models['CatBoost'] = cb_grid.best_estimator_ #最佳CatBoost模型

    # 需要评估的数据集字典，训练集、测试集和独立验证集    evaluation_datasets = [(X_train, y_train),                           (X_test, y_test),                           (X_ind, y_ind)]    matrix_data = [] #存放混淆矩阵数据    #遍历三种不同的评估数据集    for X_eval, y_eval in evaluation_datasets:        #遍历模型        for name in model_names:            #保存            matrix_data.append(cm_percentage)

plot_all = True

2.设置训练集和测试集的全量数据集的保存路径，执行部分：

excel_filename = r'microplastic_data.xlsx' #原始数据路径

3.设置独立验证数据集的保存路径，执行部分：

ind_excel_filename = r'independent_validation_data.xlsx' #独立验证数据

X_main = df_main.drop(columns=['Target_Class']).values #特征

y_main = df_main['Target_Class'].values #目标

model_names = ['Random Forest', 'XGBoost', 'CatBoost']

rf_param = {'n_estimators': [50, 100],            'max_depth': [5, 10, None]}

etters = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i'] #子图编号

plt.savefig(fr'confusion_matrices{scheme_id}.png', dpi=300, bbox_inches='tight')