利用matlab画混淆矩阵（confusion matrix）

首先混淆矩阵是机器学习中总结分类模型预测结果的情形分析表，以矩阵形式将数据集中的记录按照真实的类别与分类模型预测的类别判断两个标准进行汇总。其实混淆矩阵就是用来判断我们的算法的分类准确度的一个可视化矩阵。

函数并传入实际标签和预测标签向量作为参数。函数的返回值是一个包含了混淆矩阵的矩阵。函数来计算和绘制混淆矩阵。下面是一个基本的示例代码，展示了如何使用。等函数来设置标题和坐标轴标签，使图表更加清晰易读。请确保在运行此代码之前，你已经将实际标签和预测标签保存在名为。的向量中，并将它们的值根据实际情况进行了相应的替换。然后，我们使用MATLAB的图形功能绘制混淆矩阵。函数添加颜色条，可以帮助解释混淆矩阵中的数据。在上述代码中，我们首先计算了混淆矩阵，使用。函数用于绘制矩阵，使用混淆矩阵。

因为在这一层，网络经过了最深度的特征提取，具备了最强的高级语义理解能力；同时，它的特征图依然保持着二维的空间维度（比如。

这个混淆矩阵的代码我也是copy的，超级好用！

confusionchart()函数用于创建分类问题的混淆矩阵图目录 示例1(通过trueLabels和predictedLabels创建混淆矩阵图) 示例2（通过现有的混淆矩阵创建混淆矩阵图） 示例3（按精度或召回率排序类）

参考博客1： https://blog.csdn.net/sherry_gp/article/details/50560003 感谢博主大大 sherry_gp 参考博客2：https://blog.csdn.net/stu_lavender/article/details/79615474 感谢博主大大： stu_lavender 参考博客3：https://www.csdn.net/gath...

1. 画图的效果： 2. 代码 function draw_cm(mat, tick) %% % 参数：mat-矩阵；tick-要在坐标轴上显示的label向量，例如{'label_1','label_2'...} % %% imagesc(mat); %# 绘彩色图 colormap(flipud(hot)); colorbar; num_class = size(mat,1); midValue = mean(get(gca, 'CLim' )); [x,y]...

摘要这一篇简单介绍一下混淆矩阵的计算和绘制，混淆矩阵可以用来判断模型预测的结果。介绍这一篇主要介绍一下绘制混淆矩阵(confusion matrix)的方式。通常在看model的效果的时候，我们会使用混淆矩阵来进行检测。主要参考资料 :具体绘制方式混淆矩阵的计算混淆矩阵就是我们会计算最后分类错误的个数, 如计算将class1分为class2的个数，以此类推。我们可以使用下面的方式来进行混淆矩阵的计...

【实例简介】Matlab code for computing and visualization: Confusion Matrix, Precision/Recall, ROC, Accuracy, F-Measure etc. for Classification.Matlab通过分类的label计算混淆矩阵Confusion Matrix并且显示的函数只要一句代码就行了，方便。[confu...

对于多分类问题，如何对预测结果进行可视化是对比分析的关键一步，在实际多分类问题，除了简单展示模型预测精度外，如何分别不同类别之间的预测结果对于分析样本相关性和属性区别具有重要意义，在MATLAB中一般通过混淆矩阵confusion matrix对分析结果进行可视化分析， 其基本实现函数为： 1. plotconfusion(targets,outputs) 2.plotconfusion(targets,outputs， name) 其中 targets为样本对应实际标签，outputs为所建模型.

MATLAB中plotconfusion函数的应用 混淆矩阵是衡量神经网络结果的一个手段，在许多相关论文中都出现过。笔者在撰写研究生期间第一篇论文，考虑使用混淆矩阵来说明神经网络对分类的敏感度。因此进行了简单的研究。主要内容来自下面的链接。https://ww2.mathworks.cn/help/deeplearning/ref/plotconfusion.html?s_tid=srchtitl...

本人计算机小白一枚，将自己学到的知识点整理出来，一方面是对自己学习的小总结，另一方面是欢迎大家批评指正。如果觉得写得还可以，大家可以转发关注此博客，谢谢！后续会有新算法持续更新~

混淆矩阵的每一列代表了预测类别，每一列的总数表示预测为该类别的数据的数目；每一行代表了数据的真实归属类别，每一行的数据总数表示该类别的数据实例的数目。在图像精度评价中，主要用于比较分类结果和实际测得值，可以把分类结果的精度显示在一个混淆矩阵里面。 下面是混淆矩阵的Matlab实现示例，可直接复制粘贴运行： % function confusion_matrix(actual,detecte

主要借鉴此博客代码：http://blog.csdn.net/sherry_gp/article/details/50560003 但是这个博主的代码达不到我想要的效果，所以修改了一下 我想要实现的效果是：给定一列的预测标签，以及这一列标签的哪一部分理应属于哪一部分标签。 此代码实现的功能是： 给定条件：给定预测标签为A=[1 2 1 1 2 2 3 2 3 3 3 3 4 4 1

一、画混淆矩阵 clc; clear; close all; fuse_matrix=rand(5)#产生矩阵 imagesc(fuse_matrix) set(gca,'xtick',1:5) set(gca,'xticklabel',{'one ','two','three','four','five'},'XTickLabelRotation',45)#设置横轴和横轴标签大小 s...

结果。

MATLAB绘制混淆矩阵confusionchart()绘图函数（代码 亲测 可用）