matlab计算混淆矩阵 准确率 f-score kappa 敏感性 特异性

混淆矩阵是用来评估分类模型性能的一种方法。它是一个二维矩阵，其中行代表实际类别，列代表预测类别。混淆矩阵可以通过对模型进行测试集验证得出。准确率、F-score、Kappa、敏感性和特异性可以通过混淆矩阵的计算得到。

准确率是分类正确的样本数量与总样本数量之间的比率。它可以通过将混淆矩阵对角线上的元素(即分类正确结果的数量)总和后除以总样本数量来计算。

F-score是综合考虑了准确率和召回率的指标。它可以通过计算准确率和召回率的调和平均数得到。F-score越大，说明模型的分类性能越好。

Kappa是一种评价分类模型间一致性的指标。它的取值范围是[-1, 1]。Kappa为1表示模型完全一致，为0表示模型随机分类，小于0表示模型的分类性能不如随机分类。

敏感性是分类正确的正例样本数量与实际正例样本数量之间的比率。它可以通过将混淆矩阵的正例样本行（实际类别）中预测正确的数量和正例样本总数来计算。

特异性是分类正确的负例样本数量与实际负例样本数量之间的比率。它可以通过将混淆矩阵的负例样本行（实际类别）中预测正确的数量和负例样本总数来计算。

综上所述，混淆矩阵可以用来计算准确率、F-score、Kappa、敏感性和特异性，这些指标可以帮助评估分类模型的性能和一致性。