分类效果评价matlab代码

以下是一个简单的分类效果评价的 Matlab 代码：

% 加载数据
data = load('data.txt');

% 将数据集分为训练集和测试集
train_ratio = 0.7; % 训练集所占比例
[train_data, test_data] = splitData(data, train_ratio);

% 训练模型
model = trainModel(train_data);

% 对测试集进行预测
predictions = predictModel(model, test_data);

% 计算分类效果指标
accuracy = sum(predictions == test_data(:, end)) / size(test_data, 1); % 准确率
precision = sum(predictions & test_data(:, end)) / sum(predictions); % 精确率
recall = sum(predictions & test_data(:, end)) / sum(test_data(:, end)); % 召回率
f1_score = 2 * precision * recall / (precision + recall); % F1 分数

% 输出评价指标
disp(['Accuracy: ', num2str(accuracy)]);
disp(['Precision: ', num2str(precision)]);
disp(['Recall: ', num2str(recall)]);
disp(['F1 Score: ', num2str(f1_score)]);

其中，`splitData` 函数用于将数据集分为训练集和测试集，`trainModel` 函数用于训练模型，`predictModel` 函数用于对测试集进行预测。你需要根据你的具体需求编写相应的函数。在计算评价指标方面，准确率、精确率、召回率和 F1 分数都是常用的指标，你可以根据实际情况选择相应的指标。