在Python中，绘制混淆矩阵通常使用`matplotlib`和`seaborn`库。以下是一个简单的步骤说明和示例代码：
1. 导入必要的库：
```python
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.metrics import confusion_matrix
2. 准备真实标签和预测标签数据：```pythony_true = [0, 0, 1, 2, 1, 2, 0, 2, 2, 0, 1, 1] 真实标签
y_pred = [1, 0, 1, 2, 1, 0, 0, 2, 2, 0, 1, 1] 预测标签
3. 计算混淆矩阵：
```python
C = confusion_matrix（y_true, y_pred）
4. 使用`seaborn`绘制热力图形式的混淆矩阵：```pythonplt.figure（figsize=（9, 7））
sns.heatmap（C, annot=True, cmap='Blues', fmt='g', xticklabels=np.unique（y_true）, yticklabels=np.unique（y_true））
plt.title（'Confusion Matrix'）
plt.xlabel（'Predicted'）
plt.ylabel（'True'）
plt.show（）
以上代码将生成一个热力图，其中每个格子的大小和颜色表示该预测类别与实际类别的一致性。`annot=True`表示在格子中显示具体的计数，`fmt='g'`表示数值以整数形式展示。`xticklabels`和`yticklabels`用于设置x轴和y轴的刻度标签，这里使用了数据集中真实的类别标签。