matlab中混淆矩阵计算

在Matlab中，可以使用混淆矩阵来评估分类结果的准确性。混淆矩阵是一个二维矩阵，用于比较实际类别和预测类别之间的差异。

以下是计算混淆矩阵的简单方式：

% 假设实际类别为actual_labels，预测类别为predicted_labels
actual_labels = [1, 1, 2, 2, 3];
predicted_labels = [1, 1, 1, 2, 3];

% 获取类别数量
num_classes = max(max(actual_labels), max(predicted_labels));

% 初始化混淆矩阵
confusion_matrix = zeros(num_classes, num_classes);

% 计算混淆矩阵
for i = 1:length(actual_labels)
    actual_class = actual_labels(i);
    predicted_class = predicted_labels(i);
    confusion_matrix(actual_class, predicted_class) = confusion_matrix(actual_class, predicted_class) + 1;
end

% 显示混淆矩阵
disp(confusion_matrix);

上述代码中，我们首先定义了实际类别和预测类别的向量。然后，我们通过获取最大类别数来初始化一个全零的混淆矩阵。下来，我们遍历每个样本，将实际类别和预测类别对应的位置加1。最后，我们显示混淆矩阵。