matlab根据多分类混淆矩阵绘制PR曲线

在 MATLAB 中，可以使用以下步骤绘制多分类的 PR 曲线：

1. 计算多分类混淆矩阵，可以使用 `confusionmat` 函数。
2. 计算每个类别的精度和召回率。
3. 对于每个类别，画出它的 PR 曲线。
4. 将所有类别的曲线组合成一个图。

下面是一个示例代码，假设有 4 个类别：

% 生成随机分类结果
true_labels = randi([1, 4], [100, 1]);
predicted_labels = randi([1, 4], [100, 1]);

% 计算多分类混淆矩阵
conf_mat = confusionmat(true_labels, predicted_labels);

% 计算每个类别的精度和召回率
for i = 1:4
    tp = conf_mat(i, i);
    fp = sum(conf_mat(:, i)) - tp;
    fn = sum(conf_mat(i, :)) - tp;
    precision(i) = tp / (tp + fp);
    recall(i) = tp / (tp + fn);
end

% 绘制PR曲线
figure;
hold on;
for i = 1:4
    plot(recall(i), precision(i), 'o');
end

% 添加标签和标题
xlabel('Recall');
ylabel('Precision');
title('PR Curve');
legend('Class 1', 'Class 2', 'Class 3', 'Class 4');

在上面的代码中，我们首先生成了随机分类结果，然后使用 `confusionmat` 函数计算多分类混淆矩阵。接下来，我们计算每个类别的精度和召回率，然后用 `plot` 函数画出每个类别的 PR 曲线。最后，我们添加标签和标题，并使用 `legend` 函数添加每个类别的标签。