confusion

分类混淆矩阵

语法

[c,cm,ind,per] = confusion(targets,outputs)

说明

提示

要绘制深度学习工作流的混淆图，请使用 confusionchart 函数。

[c,cm,ind,per] = confusion(targets,outputs) 接受目标和输出矩阵 targets 和 outputs，并返回混淆值 c、混淆矩阵 cm、元胞数组 ind（其中包含分类为类 i 的类 j 目标的样本索引）以及百分比矩阵 per（其中每行汇总四个与第 i 个类相关联的百分比）。

示例

全部折叠

使用 `confusion` 函数生成 `simpleclass` 数据集的混淆矩阵

此示例说明如何使用 confusion 函数生成 simpleclass_dataset 数据集的混淆矩阵。

加载 simpleclass_dataset 数据集。定义网络，然后训练它。

[x,t] = simpleclass_dataset;
net = patternnet(10);
net = train(net,x,t);
y = net(x);
[c,cm,ind,per] = confusion(t,y)

a3 =

     1     2     3     1     2     3
     4     5     6     4     5     6
     7     7     7     8     8     8
     9     9     9    10    10    10

输入参数

全部折叠

`targets` — 目标矩阵
矩阵

目标矩阵，指定为 S×Q 矩阵，其中每个列向量包含一个 1 值，所有其他元素等于 0。等于 1 的值的索引指示该向量表示具体哪一个 S 类别。

`outputs` — 输出矩阵
矩阵

输出矩阵，指定为 S×Q 矩阵，其中每列包含范围 [0,1] 内的值。列中最大元素的索引指示该向量表示具体哪一个 S 类别。

输出参量

全部折叠

`c` — 混淆值
标量

误分类采样的比例，以标量形式返回。

`cm` — 混淆矩阵
矩阵

混淆矩阵，以 S×S 混淆矩阵形式返回，其中 cm(i,j) 是其目标为分类为 j 的第 i 个类的样本数。

`ind` — 索引数组
元胞数组

索引数组，以 S×S 元胞数组形式返回，其中 ind{i,j} 包含具有第 i 个目标类但具有第 j 个输出类的采样的索引。

`per` — 百分比矩阵
矩阵

百分比矩阵，以 S×4 矩阵形式返回，其中每行汇总与第 i 个类相关联的四个百分比：

per(i,1) false negative rate
          = (false negatives)/(all output negatives)
per(i,2) false positive rate
          = (false positives)/(all output positives)
per(i,3) true positive rate
          = (true positives)/(all output positives)
per(i,4) true negative rate
          = (true negatives)/(all output negatives)