准确率 精确率 召回率 matlab代码

### 使用MATLAB实现准确率、精确率和召回率的计算

为了评估分类模型的表现，可以利用混淆矩阵来计算准确率、精确率以及召回率。以下是具体的定义：

- **准确率 (Accuracy)** 是指所有预测正确的比例[^3]。

- **精确率 (Precision)** 描述了在所有被预测为正类别的实例中真正属于正类的比例[^4]。

- **召回率 (Recall)** 表明实际为正类别的情况下有多少被成功识别出来[^4]。

下面是一个简单的 MATLAB 实现例子用于计算这些指标：

function [accuracy, precision, recall] = compute_metrics(tp, tn, fp, fn)
    % tp: True Positives
    % tn: True Negatives
    % fp: False Positives
    % fn: False Negatives
    
    accuracy = (tp + tn) / (tp + tn + fp + fn);
    
    if (tp + fp) ~= 0
        precision = tp / (tp + fp);
    else
        precision = NaN;
    end
    
    if (tp + fn) ~= 0
        recall = tp / (tp + fn);
    else
        recall = NaN;
    end
end

此函数接收四个参数——真阳性 (`tp`)、假阴性(`fn`)、假阳性和真阴性的数量，并返回三个性能度量的结果：`accuracy`, `precision` 和 `recall`。当分母可能为零时（例如，在某些极端情况下），则会返回 `NaN` 来表示未定义的情况。

假设有一个二元分类器产生的混淆矩阵如下所示：
| | Predicted Positive | Predicted Negative |
|---------------|--------------------|-------------------|
| Actual Pos | TP | FN |
| Actual Neg | FP | TN |

可以通过调用上述函数并传入相应的值来进行计算。