深度学习模型评价指标matlab代码

在MATLAB中，评估深度学习模型通常会使用一些标准的性能指标，例如准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1分数（F1 Score）以及混淆矩阵（Confusion Matrix）。这些指标可以帮助我们了解模型在不同类别上的表现。

以下是一个简单的例子，展示如何计算分类模型的准确率：

function [accuracy] = calculate_accuracy(y_true, y_pred)
    % y_true: 真实标签
    % y_pred: 预测标签

    assert(size(y_true, 1) == size(y_pred, 1), 'True and predicted labels have different dimensions');

    correct_predictions = sum(y_true == y_pred);
    accuracy = correct_predictions / numel(y_true);
end

对于更复杂的指标，例如混淆矩阵，你可以使用`confusionmat`函数，然后根据需要计算其他指标：

function [conf_mat, precision, recall, f1_score] = evaluate_model(y_true, y_pred, class_names)
    % class_names: 类别名称

    conf_mat = confusionmat(y_true, y_pred);
    acc = sum(diag(conf_mat)) / sum(conf_mat(:));
    
    precision = diag(conf_mat) ./ sum(conf_mat, 2);
    recall = diag(conf_mat) ./ sum(conf_mat, 1)';
    f1_score = 2 * precision .* recall ./ (precision + recall);
    
    % 可能需要将指标转换为百分比形式
    precision = precision * 100;
    recall = recall * 100;
    f1_score = f1_score * 100;
end