matlab代码：不平衡评估指标

在 MATLAB 中，我们可以使用以下代码来计算不平衡数据集的评估指标：

% 假设我们有一个分类器的预测结果 saved_labels 和真实标签 true_labels
% saved_labels 和 true_labels 分别是预测结果和真实标签的向量

% 计算混淆矩阵
cm = confusionmat(true_labels, saved_labels);

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

% 计算精度（precision）、召回率（recall）、F1 值
precision = cm(2,2) / sum(cm(:,2));
recall = cm(2,2) / sum(cm(2,:));
f1 = 2 * precision * recall / (precision + recall);

% 计算 AUC 值
[X,Y,T,AUC] = perfcurve(true_labels,saved_labels,1);

上述代码中，`confusionmat` 函数用于计算混淆矩阵，`sum` 函数用于计算混淆矩阵中的各项总和，`diag` 函数用于取出混淆矩阵的对角线元素，`perfcurve` 函数用于计算 AUC 值。

需要注意的是，在计算评估指标时，我们需要根据具体数据集的情况选择合适的指标。例如，对于某些不平衡数据集，准确率可能并不能很好地反映分类器的性能，此时我们需要使用更加合适的指标来评估分类器的性能。