matlab召回率 代码

在MATLAB中，计算召回率（Recall，也称查准率）通常需要先确定真正例（True Positives, TP）、假正例（False Positives, FP）以及未检测到的正例（False Negatives, FN），然后基于这些值来计算。以下是一个简单的例子，假设你已经有了预测标签（`y_pred`）和真实标签（`y_true`），你可以使用以下步骤：

% 假设y_pred和y_true都是向量，元素对应
% y_pred: 预测结果（0 or 1）
% y_true: 实际标签（0 or 1）

% 确定真正例、假正例和假阴性
TP = sum(y_pred == 1 & y_true == 1); % 正确预测为正例的样本数
FP = sum(y_pred == 1 & y_true == 0); % 错误预测为正例的样本数
FN = sum(y_pred == 0 & y_true == 1); % 正实例但未被预测为正例的样本数

% 计算召回率 (Recall)
recall = TP ./ (TP + FN);

这将返回一个单个数值，即给定类别的召回率。如果你想要计算所有类别的平均召回率，可以根据类别的总数和每类的TP/FN来调整上述代码。

请注意，这个例子假设类别标签是二元的（如0和1代表两个类别），如果是多分类问题，你需要使用one-vs-all或者one-vs-one策略，并根据具体需求计算每个类别的召回率。