接着计算r^2,mse,mae,me,准确率,matlab代码

在MATLAB中，计算R方（R-squared），均方误差（MSE）、平均绝对误差（MAE）、均值绝对误差（ME）以及分类任务中的准确率通常涉及不同的步骤。以下是基本的计算方法及其代码：

**对于回归任务（R方、MSE、MAE）：**

% 假设我们有实际观测值（y_true）和预测值（y_pred）
y_true = ...;
y_pred = ...;

% R方 (R-squared)
mse = mean((y_true - y_pred).^2); % 均方误差
r_squared = 1 - mse / sum((y_true - mean(y_true)).^2); % R方，范围在0到1之间

% MAE (平均绝对误差)
mae = mean(abs(y_true - y_pred));

% ME (均值绝对误差) 相当于MAE
me = mae;

% 输出结果
fprintf('R-squared: %.4f\n', r_squared);
fprintf('Mean Squared Error (MSE): %.4f\n', mse);
fprintf('Mean Absolute Error (MAE): %.4f\n', mae);
fprintf('Mean Error (ME): %.4f\n', me);

**对于分类任务（准确率）：**

% 假设y_true是真实标签，y_pred是预测的类别
confMat = confusionmat(y_true, y_pred); % 创建混淆矩阵
accuracy = sum(diag(confMat)) / sum(confMat(:)); % 准确率

% 输出结果
fprintf('Accuracy: %.4f\n', accuracy);