matlab混淆矩阵 代码

在MATLAB中，混淆矩阵是一个二维数组，用于评估分类模型的表现。它通常包含实际类别（纵坐标）和预测类别（横坐标）的组合。以下是一个简单的例子，假设我们有一个已分类的测试数据和一个分类器的预测结果，我们可以创建并计算混淆矩阵：

% 假设 groundTruth 是真实的类别向量，prediction 是模型预测的结果
groundTruth = [1 0 1 0 1]; % 例如，真实标签可能是 {正类, 负类}
prediction = [1 0 0 1 1]; % 预测结果

% 创建混淆矩阵
confMat = confusionmat(groundTruth, prediction);

% 显示混淆矩阵
disp(confMat);

运行上述代码后，`confMat`将显示为：

     2     1
     0     1

在这个例子中，第一行（True Positives）表示真正为正类的样本中有2个被正确预测为正类，1个被错误预测为负类。第二行（False Positives）表示实际为负类的样本中，有0个被误判为正类，1个被误判为正类。类似地，第三列代表了实际为正类的样本中被预测为负类的数量，第四列代表了实际为负类的样本中被预测为正类的数量。

你可以通过各种统计量如精度（Accuracy）、召回率（Recall）、F1分数等从混淆矩阵进一步分析模型性能。例如：

accuracy = sum(diag(confMat)) / sum(confMat(:));
precision = confMat(1,1) / (confMat(1,1) + confMat(1,2));
recall = confMat(1,1) / (confMat(1,1) + confMat(2,1));