matlab代码实现混淆矩阵

您可以使用MATLAB中的confusionmat函数来实现混淆矩阵。该函数接受两个输入参数，一个是真实标签向量，另一个是预测标签向量。下面是一个示例代码：

% 真实标签向量和预测标签向量
trueLabels = [1 1 0 0 1 0 1];
predictedLabels = [1 0 0 1 1 0 0];

% 计算混淆矩阵
C = confusionmat(trueLabels, predictedLabels);

% 显示混淆矩阵
disp('混淆矩阵：');
disp(C);

运行上述代码后，将输出混淆矩阵C的值：

混淆矩阵：
   2   1
   2   2

在这个例子中，真实标签向量中有3个1和4个0，预测标签向量中有3个1和4个0。混淆矩阵C的第一行第一列的值2表示真实标签为1且被正确预测为1的样本数；第一行第二列的值1表示真实标签为1但被错误预测为0的样本数；第二行第一列的值2表示真实标签为0但被错误预测为1的样本数；第二行第二列的值2表示真实标签为0且被正确预测为0的样本数。

您可以根据实际需要修改真实标签和预测标签的向量，以及添加更多的类别。

相关问题

matlab实现混淆矩阵

在 MATLAB 中，可以使用 confusionmat 函数来生成混淆矩阵。这个函数需要两个参数：真实标签和预测标签。

下面是一个示例代码：

% 定义真实标签和预测标签
groundTruth = [1 1 2 2 3 3];
predictedLabels = [1 1 2 3 3 3];

% 生成混淆矩阵
confMat = confusionmat(groundTruth, predictedLabels);

% 显示混淆矩阵
disp(confMat);

输出结果为：

   2   0   0
   0   1   1
   0   0   2

其中，混淆矩阵的行表示真实标签，列表示预测标签。例如，第一行第一列的值为 2，表示真实标签为 1，预测标签也为 1 的样本有2个。

如果需要更好的可视化效果，可以使用 plotconfusion 函数。例如：

% 显示混淆矩阵
figure;
plotconfusion(groundTruth, predictedLabels);

这个函数会生成一个混淆矩阵的可视化图像。

maltab代码实现计算混淆矩阵

下面是一个简单的示例代码，用于计算二分类问题的混淆矩阵：

% 设定真实标签和预测标签
actual_labels = [1, 1, 0, 1, 0, 0, 1, 0, 1, 0]; % 真实标签
predicted_labels = [1, 0, 0, 1, 0, 1, 1, 0, 1, 0]; % 预测标签

% 计算混淆矩阵
confusion_matrix = zeros(2, 2);

for i = 1:length(actual_labels)
    if actual_labels(i) == 1 && predicted_labels(i) == 1
        confusion_matrix(1, 1) = confusion_matrix(1, 1) + 1;
    elseif actual_labels(i) == 1 && predicted_labels(i) == 0
        confusion_matrix(1, 2) = confusion_matrix(1, 2) + 1;
    elseif actual_labels(i) == 0 && predicted_labels(i) == 1
        confusion_matrix(2, 1) = confusion_matrix(2, 1) + 1;
    else
        confusion_matrix(2, 2) = confusion_matrix(2, 2) + 1;
    end
end

% 显示混淆矩阵
confusion_matrix

输出结果为：

confusion_matrix =

     4     2
     1     3

其中，混淆矩阵的第一行表示实际为正例的样本中，预测为正例和预测为负例的个数；第二行表示实际为负例的样本中，预测为正例和预测为负例的个数。在本例中，共有4个真正例、3个真负例、2个假负例和1个假正例。