文档帮助中心文档
分类混淆矩阵图
sortClasses(厘米,顺序)
例子
sortClasses (厘米,顺序)对混淆矩阵图的类进行排序厘米按照顺序. 您可以按照类的自然顺序、混淆矩阵对角线上的值或指定的固定顺序对类进行排序。
sortClasses (厘米,顺序)
厘米
顺序
全部崩溃
创建一个混淆矩阵图表,并根据类别真阳性率(召回率)或类别阳性预测值(精度)对图表的类别进行排序。
装入并检查心律失常数据集。
心律失常
负载心律失常isLabels =独特(Y);nLabels =元素个数(isLabels)
nLabels = 13
汇总(分类(Y))
价值计数百分比124554.20%2449.73%3153.32%4153.32%5132.88%6255.53%730.66%820.44%991.99%1050111.06%1440.88%1551.11%16224.87%
数据包含16个不同的标签,描述不同程度的心律失常,但反应(Y)仅包括13个不同的标签。
Y
训练分类树并预测树的再替代响应。
Mdl=fitctree(X,Y);predictedY=resubPredict(Mdl);
从真实标签创建一个混淆矩阵图Y以及预测的标签预测的.指定“RowSummary”作为“行规范化”在行摘要中显示真阳性率和假阳性率。另外,请指定“专栏摘要”作为“column-normalized”在列摘要中显示阳性预测值和错误发现率。
预测的
“RowSummary”
“行规范化”
“专栏摘要”
“column-normalized”
无花果=图;厘米= confusionchart (Y, predictedY,“RowSummary”,“行规范化”,“专栏摘要”,“column-normalized”);
调整混乱图表的容器大小,使百分比显示在行摘要中。
fig_Position = fig.Position;fig_Position (3) = fig_Position (3) * 1.5;fig.Position = fig_Position;
要根据真阳性率对混淆矩阵进行排序,请通过设置规范化财产“行规范化”然后使用分类.排序后,重置规范化财产返还给“绝对的”显示每个单元格中的观察总数。
规范化
分类
“绝对的”
厘米。归一化=“行规范化”;sortClasses(厘米,“下降对角线”)厘米。归一化=“绝对的”;
要根据阳性预测值对混淆矩阵进行排序,可以通过设置使每个列的单元格值归一化规范化财产“column-normalized”然后使用分类.排序后,重置规范化财产返还给“绝对的”显示每个单元格中的观察总数。
厘米。归一化=“column-normalized”;sortClasses(厘米,“下降对角线”)厘米。归一化=“绝对的”;
使用以下命令创建混淆矩阵图:confusionchart函数,并通过使用“集群”选择的分类此示例还显示了如何使用pdist,链接和optimalleaforder功能。
confusionchart
“集群”
pdist
链接
optimalleaforder
生成包含八个不同类的示例数据集。
rng(“默认”)%为了再现性trueLabels=randi(81000,1);predictedLabels=trueLabels;
在前200个样本的{1,4,7}、{2,8}和{5,6}类之间插入混淆。
重命名=[4 8 3 7 6 5 1 2];predictedLabels(1:100)=重命名(predictedLabels(1:100));重命名=[7 8 3 1 6 5 4 2];predictedLabels(101:200)=重命名(predictedLabels(101:200));
从真实标签创建一个混淆矩阵图trueLabels以及预测的标签预测标签.
trueLabels
预测标签
图cm1=混淆图(trueLabels、predictedLabels);
集群使用“集群”
使用“集群”选项
sortClasses (cm1,“集群”)
集群使用pdist,链接和optimalleaforder
而不是使用“集群”选项,您可以使用pdist,链接和optimalleaforder函数聚类混淆矩阵值。您可以使用这些函数的选项来定制集群。具体操作请参见对应功能参考页面。
假设您有一个混淆矩阵和类标签。
m = confusionmat (trueLabels predictedLabels);标签= [1 2 3 4 5 6 7 8];
使用,计算聚类矩阵并找到相应的类标签pdist,链接和optimalleaforder这个pdist函数计算欧氏距离D对之间的混淆矩阵值。的optimalleaforder函数返回分层二叉集群树的最优叶子排序连杆(D)使用的距离D.
D
连杆(D)
D = pdist (m);idx = optimalleaforder(链接(D), D);clusteredM = m (idx idx);clusteredLabels =标签(idx);
使用聚集矩阵和相应的类标签创建混淆矩阵图。然后,使用类标签对类进行排序。
平方厘米= confusionchart (clusteredM clusteredLabels);clusteredLabels sortClasses(平方厘米)
排序混乱矩阵图平方厘米,您可以使用pdist,链接和optimalleaforder,与排序后的混淆矩阵图相同cm1,您可以使用“集群”选项
平方厘米
cm1
创建一个混淆矩阵图,并按固定顺序对该图的类进行排序。
加载Fisher的虹膜数据集。
负载鱼腥草X =量((51:150,1:50):);Y =物种((51:150,1:50):);
X是一个数字矩阵,包含四个花瓣测量150鸢尾。Y是包含相应虹膜种类的字符向量的细胞阵列。
X
列车ak-最近邻(KNN)分类器,其中预测值中的最近邻数(k)是5。一个好的做法是标准化数值预测器数据。
Mdl = fitcknn (X, Y,“纽曼尼斯堡”5.“标准化”,1);
预测训练数据的标签。
predictedY = resubPredict (Mdl);
从真实标签创建一个混淆矩阵图Y以及预测的标签预测的.
厘米= confusionchart (Y, predictedY);
默认情况下,confusionchart按照定义的自然顺序对类进行排序分类.在这个例子中,类标签是字符向量confusionchart按字母顺序对类进行排序。按固定顺序重新排列混淆矩阵图的类别。
sortClasses(厘米,“多色的”,“刚毛”,“virginica”])
混淆矩阵
混淆矩阵图,指定为混淆矩阵对象。要创建一个混乱矩阵图,请使用confusionchart,
“汽车”
“ascending-diagonal”
“下降对角线”
对混淆矩阵图的分类进行排序的顺序,指定为以下值之一:
“汽车”-按照分类函数。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。如果类标签是有序分类向量,则使用类标签的顺序。
“ascending-diagonal”-对类进行排序,使混淆矩阵对角线上的值从左上到右下递增。
“下降对角线”-对类进行排序,使混淆矩阵对角线上的值从左上到右下减小。
“集群”-对类进行排序以将相似的类聚集在一起。您可以使用pdist,链接和optimalleaforder函数。有关详细信息,请参阅对类进行排序以聚集类似的类.
数组——按照类别向量、数字向量、字符串向量、字符数组、字符向量单元格数组或逻辑向量指定的唯一顺序对类进行排序。数组必须是ClassLabels混淆矩阵图的性质。
ClassLabels
例子:分类等级(厘米,“上升-对角”)
分类等级(厘米,“上升-对角”)
例子:分类(cm、[“猫头鹰”、“猫”、“蟾蜍”])
分类(cm、[“猫头鹰”、“猫”、“蟾蜍”])
明确的
您拥有此示例的修改版本。是否要用编辑打开此示例?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
您还可以从以下列表中选择网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
联系当地办事处