多分类混淆矩阵二级指标matlab代码

以下是使用MATLAB计算多分类混淆矩阵和二级指标的示例代码：

% 假设真实标签为y_true，预测标签为y_pred
y_true = [1 2 3 1 2 3 1 2 3];
y_pred = [1 2 3 1 3 3 2 2 3];

% 计算混淆矩阵
C = confusionmat(y_true, y_pred);

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

% 计算精确率
precision = diag(C) ./ sum(C, 2)';

% 计算召回率
recall = diag(C) ./ sum(C, 1);

% 计算F1分数
F1 = 2 * (precision .* recall) ./ (precision + recall);

其中，`confusionmat`函数用于计算混淆矩阵，`sum`函数用于计算混淆矩阵的总和，`diag`函数用于提取混淆矩阵的对角线元素，`./`表示逐元素相除。以上代码中，`accuracy`表示准确率，`precision`表示精确率，`recall`表示召回率，`F1`表示F1分数。需要注意的是，以上代码只适用于多分类问题，如果是二分类问题，可以使用`confusionmat`函数计算混淆矩阵，然后根据混淆矩阵计算二级指标。

相关问题

混淆矩阵二级指标代码 MATLAB

以下是 MATLAB 中计算混淆矩阵二级指标的代码：

% 预测结果
y_pred = [1, 0, 1, 1, 0, 1, 0, 1, 1, 0];
% 实际结果
y_true = [1, 0, 1, 0, 1, 1, 0, 1, 0, 0];

% 计算混淆矩阵
cm = confusionmat(y_true, y_pred);

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

% 计算精确率
precision = cm(1,1) / sum(cm(:,1));

% 计算召回率
recall = cm(1,1) / sum(cm(1,:));

% 计算 F1 值
f1 = 2 * precision * recall / (precision + recall);

其中，`y_pred` 和 `y_true` 分别是预测结果和实际结果的向量，`confusionmat` 函数用于计算混淆矩阵，`sum` 函数计算矩阵的和，`diag` 函数返回矩阵的对角线元素，`:` 运算符用于展开矩阵成一维向量，`cm(1,1)` 表示混淆矩阵中真阳性的数量，`sum(cm(:,1))` 表示实际阳性的数量，`sum(cm(1,:))` 表示预测阳性的数量。