给出混淆矩阵的源代码

混淆矩阵的MATLAB源代码可以帮助你计算分类任务的性能指标。以下是一个简单的示例[^1]：

% 假设我们有真实的类别（actual）和预测的类别（predicted）
actual = [0 1; 2 2]; % 实际标签
predicted = [0 1; 1 2]; % 预测标签

% 创建混淆矩阵
confMat = confusionmat(actual, predicted);

% 计算准确率
accuracy = sum(diag(confMat))/sum(confMat(:));

disp('Confusion Matrix:');
disp(confMat);
disp(['Accuracy: ', num2str(accuracy)]);

在这个例子中，`confusionmat`函数用于创建混淆矩阵，`diag`函数提取对角线元素来计算正确分类的数量，而`sum`函数则计算总和。

而对于R语言[^2]，你可以使用`caret`包中的`confusionMatrix`函数来计算混淆矩阵，如下所示：

# 首先安装并加载caret包
install.packages("caret")
library(caret)

# 假设实际和预测数据已经存储为data.frame
df <- data.frame(
  Actual = c(0, 1, 2, 4),
  Predicted = c(0, 1, 2, 2)
)

# 计算混淆矩阵
conf_mat <- confusionMatrix(df$Actual, df$Predicted)

# 查看混淆矩阵
print(conf_mat$table)
# 计算精度
accuracy <- conf_mat$overall["Accuracy"]
print(paste0("Accuracy: ", accuracy))