困惑的园林
为分类问题创建困惑矩阵图表
句法
描述
ConfusionChart（从真品标签创建混淆矩阵图表Truelabels.那预测标签）Truelabels.和预测的标签预测标签并返回A.ConfusionMatrixChart.目的。混淆矩阵的行对应于真实类，列对应于预测类。对角线和非对角线单元分别对应于正确和错误的分类观察。用厘米要在创建时修改混淆矩阵图表。有关属性列表，请参阅confusionmatrixchart属性。
ConfusionChart（指定显示的类标签X-axis和y-轴。如果您已经在工作区中拥有数字混淆矩阵和类标签，请使用此语法。m那ClassLabels.）
ConfusionChart（在图中指定的图形，面板或选项卡中创建混淆图表父母那___）父母。
ConfusionChart（___那指定其他名称，价值）ConfusionMatrixChart.属性使用一个或多个名称值对参数。在所有其他输入参数之后指定属性。有关属性列表，请参阅confusionmatrixchart属性。
厘米= confusionchart（___）ConfusionMatrixChart.目的。用厘米创建图表的属性。有关属性列表，请参阅confusionmatrixchart属性。
例子
创建混淆矩阵图表
为分类问题加载预测和真正标签的样本。Truelabels.是图像分类问题的真正标签预测标签是卷积神经网络的预测。
加载（'cifar10labels.mat'那'truelabels'那'predightlabels'）;
创建混淆矩阵图表。
图cm = confusionchart（Truilabels，predightlabels）;
通过更改属性值来修改混淆矩阵图的外观和行为。添加列和行摘要和标题。列归一化列摘要显示每个预测类的正确和错误分类的观察的数量，作为相应预测类的观察次数的百分比。行标准化的行摘要显示每个真级的正确和错误分类的分类的数量，作为相应类别的观察次数的百分比。
cm.columnsummary ='列 - 归一化';cm.rowsummary ='行标准化';cm.title ='CiFar-10混乱矩阵';
从数字混淆矩阵创建困惑矩阵图
您可以使用困惑的园林从数字混淆矩阵创建混淆矩阵图。
加载样品混淆矩阵m和相关的类标签ClassLabels.。
加载（'cifar10confusionmat.mat'那'M'那'classlabels'）;m
m =10×10923 4 21 8 4 1 5 5 2 23 6 5 972 2 0 0 0 0 11 5 15 26 2 892 30 13 8 17 5 4 3 12 4 32 826 24 48 30 12 5 7 5 11 28 2 2 2 2 2 2 24 2 17 2 28 111 18 801 13 17 0 3 5 0 16 27 3 4 943 11 0 9 1 14 13 2/14 11 915 2 4 37 10 4 4 0 11 3 0 0 2 11 9 9 2 3 3 0 0 0 2 11 9 9 2 3
ClassLabels.
ClassLabels =.10x1分类飞机汽车鸟猫鹿狗青蛙马船卡车
从数字混淆矩阵和类标签创建混淆矩阵图表。
cm = confusionchart（m，classlabels）;
按精度或召回排序类
为分类问题加载预测和真正标签的样本。Truelabels.是图像分类问题的真正标签预测标签是卷积神经网络的预测。使用列和行摘要创建混淆矩阵图表
加载（'cifar10labels.mat'那'truelabels'那'predightlabels'）;图cm = confusionchart（Truelabels，predightlabels，......'placeSummary'那'列 - 归一化'那......'rowsmumary'那'行标准化'）;
通过类召回（真正的阳性速率）对混淆矩阵的类进行排序，每行跨标准化单元格值，即，通过具有相同真实类的观察数。按相应的对角线单元值对类进行排序并重置单元格值的归一化。现在，该类分类，使得右侧行摘要中的蓝色单元中的百分比减小。
cm.normalization ='行标准化';SortClasses（cm，'下降 - 对角线'）;cm.normalization ='绝对';
通过类化精度（肯定预测值）对类进行排序，将每个列的单元值归一化，即，通过具有相同预测类的观察的数量。按相应的对角线单元值对类进行排序并重置单元格值的归一化。现在，该类分类，使得底部列摘要中的蓝色单元中的百分比减小。
cm.normalization ='列 - 归一化';SortClasses（cm，'下降 - 对角线'）;cm.normalization ='绝对';
输入参数
输出参数
限制
马铃薯®不支持代码生成金宝app
ConfusionMatrixChart.对象。
更多关于
尖端
如果您有一个热（n of-n）数据，请使用
onehotdecode.准备您的数据以供使用困惑的园林。例如，假设您有真正的标签目标和预测的标签输出，在列中观察。您可以使用创建混淆矩阵图numclasses =大小（目标，1）;truilabels = onehotdecode（目标，1：numclasses，1）;predigedlabels = onehotdecode（输出，1：numclasses，1）;ConfusionChart（Truelabels，PredightLabels）
如果您有统计和机器学习工具箱™，可以为高阵列创建一个混淆矩阵图。有关详细信息，请参阅
困惑的园林（统计和机器学习工具箱）和使用高阵列进行分类的混淆矩阵（统计和机器学习工具箱）。
您还可以从以下列表中选择一个网站：
