accuracy_score函数转为matlab

在Matlab中，可以使用`confusionmat`函数和`sum`函数来计算准确率。

假设我们有两个向量`y_true`和`y_pred`，分别代表真实标签和预测标签。则可以按照以下步骤计算准确率：

1. 将`y_true`和`y_pred`转换为分类矩阵：

C = confusionmat(y_true, y_pred);

2. 计算分类矩阵的总和，即所有样本数：

N = sum(C(:));

3. 计算分类矩阵对角线上的元素之和，即正确预测的样本数：

C_correct = sum(diag(C));

4. 计算准确率：

accuracy = C_correct / N;

完整的Matlab代码如下：

C = confusionmat(y_true, y_pred);
N = sum(C(:));
C_correct = sum(diag(C));
accuracy = C_correct / N;

其中，`y_true`和`y_pred`为长度相同的向量，代表每个样本的真实标签和预测标签。`confusionmat`函数返回的分类矩阵是一个二维数组，行列分别代表真实标签和预测标签，每个元素表示两个标签同时出现的次数。`sum`函数可以用来计算矩阵的总和和对角线上的元素之和。