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。

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。

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。

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。

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。

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．

图cm1=混淆图（trueLabels、predictedLabels）；

sortClasses (cm1,“集群”）

m = confusionmat (trueLabels predictedLabels);标签= [1 2 3 4 5 6 7 8];

D = pdist (m);idx = optimalleaforder(链接(D), D);clusteredM = m (idx idx);clusteredLabels =标签(idx);

平方厘米= confusionchart (clusteredM clusteredLabels);clusteredLabels sortClasses(平方厘米)

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。

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”])