下面是一个将上述代码整合到一个Python脚本中的示例，它会创建一张包含四个子图的大图，并将其保存为文件。这个版本保持了原有的功能，同时增加了灵活性和清晰度。 ### 整合后的代码 ```python import matplotlib.pyplot as plt def plot_fold_metrics(num_epochs, train_acc_max_l, test_acc_max_l, train_l_min_l, test_l_min_l, recall_list, f1_list, fold): """ 绘制给定折次的所有性能指标图表并保存至指定路径。 参数: num_epochs (int): 总共的轮次数。 train_acc_max_l (list of float): 训练集准确率列表。 test_acc_max_l (list of float): 测试集准确率列表。 train_l_min_l (list of float): 训练集损失值列表。 test_l_min_l (list of float): 测试集损失值列表。 recall_list (list of float): 召回率列表。 f1_list (list of float): F1分数列表。 fold (int): 当前处理的数据折叠编号（从0开始）。 """ x1 = range(num_epochs) # 定义横坐标范围 fig, axes = plt.subplots(2, 2, figsize=(12, 8)) # 创建两个行列布局，总共四个区域 # 第一部分 - 准确率 vs 轮数 ax = axes[0, 0] ax.plot(x1, train_acc_max_l, label='Train Accuracy') ax.plot(x1, test_acc_max_l, label='Test Accuracy') ax.set_title(f'Fold {fold + 1} Accuracy vs. Epochs') ax.set_xlabel('Epochs') ax.set_ylabel('Accuracy') ax.legend(loc="upper left") # 第二部分 - 损失值 vs 轮数 ax = axes[0, 1] ax.plot(x1, train_l_min_l, label='Train Loss') ax.plot(x1, test_l_min_l, label='Test Loss') ax.set_title(f'Fold {fold + 1} Loss vs. Epochs') ax.set_xlabel('Epochs') ax.set_ylabel('Loss') ax.legend(loc="upper right") # 第三部分 - 召回率 vs 轮数 ax = axes[1, 0] ax.plot(x1, recall_list, label='Recall') ax.set_title(f'Fold {fold + 1} Recall vs. Epochs') ax.set_xlabel('Epochs') ax.set_ylabel('Recall') ax.legend(loc="lower right")