confusionchart
为分类问题创建混淆矩阵图
语法
描述
confusionchart (创建一个从真正的标签混淆矩阵图trueLabels,predictedLabels)trueLabels和预测的标签predictedLabels并返回一个ConfusionMatrixChart对象。混淆矩阵的行对应于真实的类和对应的列预测类。对角线和非对角的细胞对应正确和错误分类观察,分别。使用厘米修改混淆矩阵图表创建后。一个属性列表,看到ConfusionMatrixChart属性。
confusionchart (出现在指定类标签x设在和y设在。使用这个语法,如果你已经有一个数字混淆矩阵和类标签在工作区中。米,classLabels)
confusionchart (创建混乱图在图中,面板,或指定的选项卡父,___)父。
confusionchart (___,指定附加的名称,值)ConfusionMatrixChart使用一个或多个名称-值对参数属性。毕竟其他输入参数指定属性。一个属性列表,看到ConfusionMatrixChart属性。
厘米= confusionchart (___)ConfusionMatrixChart对象。使用厘米修改表的属性在创建它。一个属性列表,看到ConfusionMatrixChart属性。
例子
创建混淆矩阵图
负荷预测和真正的标签的样本分类问题。trueLabels是真正的图像分类问题和标签吗predictedLabels是一个卷积神经网络的预测。
负载(“Cifar10Labels.mat”,“trueLabels”,“predictedLabels”);
创建一个混合矩阵图。
图厘米= confusionchart (trueLabels predictedLabels);
修改外观和行为的混淆矩阵图通过改变属性值。添加列和行摘要和标题。column-normalized列汇总显示的数量为每个预测正确和错误分类观察类的百分比的观察相应的预测类的数量。row-normalized行摘要显示正确的数量和分类错误的观察每一个真正的类的数量的百分比观察相应的正确的类。
厘米。ColumnSummary =“column-normalized”;厘米。RowSummary =“row-normalized”;厘米。Title =“CIFAR-10混淆矩阵”;
从数字混淆矩阵创建混淆矩阵图
您可以使用confusionchart创建一个从数字混淆矩阵混淆矩阵图。
加载一个样品混淆矩阵米和相关的类标签classLabels。
负载(“Cifar10ConfusionMat.mat”,“米”,“classLabels”);米
m =10×10923年4 21日8 4 1 5 5 23日6 5 972 2 0 0 0 0 1 5 15 26 892 30 13 8 17 5 4 3 12 4 32 826 24 48 30 12 5 7 5 1 898年28日24日13 14 14 2 1 2 7 28 111 18 801 13 17 0 3 5 0 943年16日27日3 4 1 1 0 9 1 14 13 915年22日17日3 2 4 37 10 4 4 0 1 2 1 931 10 20 39 3 3 0 0 2 1 9 923
classLabels
classLabels =10 x1分类飞机汽车鸟猫鹿狗青蛙马船卡车
创建一个混合矩阵图数字混淆矩阵和类标签。
厘米= confusionchart (m, classLabels);
类精度或召回
负荷预测和真正的标签的样本分类问题。trueLabels是真正的图像分类问题和标签吗predictedLabels是一个卷积神经网络的预测。创建一个与列和行摘要混淆矩阵图
负载(“Cifar10Labels.mat”,“trueLabels”,“predictedLabels”);图厘米= confusionchart (trueLabels predictedLabels,…“ColumnSummary”,“column-normalized”,…“RowSummary”,“row-normalized”);
分类混淆矩阵的类来说,回忆(真阳性),正常细胞在每一行值,也就是说,观察的数量,真正的类相同。通过相应的对角细胞值排序的类和重置细胞的归一化值。现在的类分类的百分比在蓝色的细胞行总结正确的减少。
厘米。归一化=“row-normalized”;sortClasses(厘米,“descending-diagonal”);厘米。归一化=“绝对”;
排序的类来说精度(阳性预测值),正常细胞在每一列值,也就是说,通过观测的数量预测类相同。通过相应的对角细胞值排序的类和重置细胞的归一化值。类现在分类的百分比在底部的蓝色列总结细胞减少。
厘米。归一化=“column-normalized”;sortClasses(厘米,“descending-diagonal”);厘米。归一化=“绝对”;
输入参数
输出参数
限制
MATLAB®代码生成不支持万博1manbetx
ConfusionMatrixChart对象。
更多关于
提示
如果你有一个炎热的(one - of - n)的数据,使用
onehotdecode准备使用您的数据confusionchart。例如,假设您拥有真正的标签目标和预测的标签输出,观察在列。您可以创建一个混淆矩阵表使用numClasses =大小(目标1);trueLabels = onehotdecode(目标1:numClasses, 1);predictedLabels = onehotdecode(输出,1:numClasses, 1);confusionchart (trueLabels predictedLabels)
如果你有统计和机器学习的工具箱™,您可以创建一个适合个子高的数组混淆矩阵图。有关详细信息,请参见
confusionchart(统计和机器学习的工具箱)和混淆矩阵分类使用高数组(统计和机器学习的工具箱)。
