主要内容

sortclasses.

排序混淆矩阵图表

页面上倒塌

句法

SortClasses（cm，订单）

描述

例子

sortclasses（厘米那命令）对混乱矩阵图表的类进行排序厘米按照指定的顺序命令。您可以通过沿着混淆矩阵对角线的值，或以固定顺序排列自然顺序的类别。

例子

全部收缩

打开直播脚本

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。创建混淆矩阵图表。

加载（'cifar10labels.mat'那'truelabels'那'predightlabels'）;图cm = confusionchart（Truilabels，predightlabels）;

图包含ConfusionMatrixChart类型的对象。

重新排序混淆矩阵图表的类，以便类以固定顺序排列。

SortClasses（cm，......[“猫”“狗”“马”“鹿”“鸟”“青蛙”那......“飞机”“船”“汽车”“卡车”]）

图包含ConfusionMatrixChart类型的对象。

打开直播脚本

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'）;

图包含ConfusionMatrixChart类型的对象。

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';

图包含ConfusionMatrixChart类型的对象。

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';

图包含ConfusionMatrixChart类型的对象。

输入参数

全部收缩

混淆矩阵图表，指定为aConfusionMatrixChart.目的。创建混淆矩阵图表，使用困惑的园林那

按顺序排序混淆矩阵图表的类，指定为其中一个值：

  • '汽车'- 将课程分类为其自然顺序（如此）定义种类功能。例如，如果混淆矩阵图的类标签是字符串向量，则按字母顺序排序。如果类标签是序列分类矢量，则使用类标签的顺序。

  • '升曲对角线'- 对类进行排序，使沿着混淆矩阵对角线的值从左下角增加到右下角。

  • '下降 - 对角线'- 对类进行排序，使得沿着混淆矩阵对角线的值从左下角的左上角减小。

  • '簇'（需要统计和机器学习工具箱™）- 将类对群集相似类进行排序。您可以使用使用方法自定义群集Pdist.（统计和机器学习工具箱）那连锁（统计和机器学习工具箱）， 和OptimAlleafOrder.（统计和机器学习工具箱）职能。有关详细信息，请参阅对群集类似类进行排序（统计和机器学习工具箱）。

  • 数组 - 以分类向量，数字矢量，字符串向量，字符数组，字符向量，字符阵列或逻辑向量指定的唯一顺序对类进行排序。该数组必须是置换ClassLabels.混乱矩阵图表的财产。

例子：SortClasses（cm，'升曲对角线'）

例子：SortClasses（cm，[“owl”，“cat”，“蟾蜍”））

也可以看看

职能

特性

话题

在R2018B中介绍

深度学习工具箱文档

金宝app

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书