sortClasses

那种类型的混淆矩阵图

所有的页面崩溃

语法

sortClasses(厘米,顺序)

描述

例子

sortClasses (厘米,订单)混淆矩阵的类图厘米在指定的顺序订单。可以排序类的自然秩序,值沿对角线的混淆矩阵,或您指定固定的顺序。

例子

全部折叠

课程以一个固定的顺序进行排序

打开生活的脚本

负荷预测和真正的标签的样本分类问题。trueLabels是真正的图像分类问题和标签吗predictedLabels是一个卷积神经网络的预测。创建一个混合矩阵图。

负载(“Cifar10Labels.mat”,“trueLabels”,“predictedLabels”);图厘米= confusionchart (trueLabels predictedLabels);

图包含一个ConfusionMatrixChart类型的对象。

重新排序混淆矩阵的类图,类是一个固定的顺序。

sortClasses(厘米,…(“猫”“狗”“马”“鹿”“鸟”“青蛙”,…“飞机”“船”“汽车”“卡车”])

图包含一个ConfusionMatrixChart类型的对象。

类精度或召回

打开生活的脚本

负荷预测和真正的标签的样本分类问题。trueLabels是真正的图像分类问题和标签吗predictedLabels是一个卷积神经网络的预测。创建一个与列和行摘要混淆矩阵图

负载(“Cifar10Labels.mat”,“trueLabels”,“predictedLabels”);图厘米= confusionchart (trueLabels predictedLabels,…“ColumnSummary”,“column-normalized”,…“RowSummary”,“row-normalized”);

图包含一个ConfusionMatrixChart类型的对象。

分类混淆矩阵的类来说,回忆(真阳性),正常细胞在每一行值,也就是说,观察的数量,真正的类相同。通过相应的对角细胞值排序的类和重置细胞的归一化值。现在的类分类的百分比在蓝色的细胞行总结正确的减少。

厘米。归一化=“row-normalized”;sortClasses(厘米,“descending-diagonal”);厘米。归一化=“绝对”;

图包含一个ConfusionMatrixChart类型的对象。

排序的类来说精度(阳性预测值),正常细胞在每一列值,也就是说,通过观测的数量预测类相同。通过相应的对角细胞值排序的类和重置细胞的归一化值。类现在分类的百分比在底部的蓝色列总结细胞减少。

厘米。归一化=“column-normalized”;sortClasses(厘米,“descending-diagonal”);厘米。归一化=“绝对”;

图包含一个ConfusionMatrixChart类型的对象。

输入参数

全部折叠

`厘米`- - - - - -混淆矩阵图
`ConfusionMatrixChart`对象

混淆矩阵图,指定为一个ConfusionMatrixChart对象。创建一个混合矩阵图,使用confusionchart,

`订单`- - - - - -顺序排序类
`“汽车”`|`“ascending-diagonal”`|`“descending-diagonal”`|数组

顺序分类混淆矩阵的类图,指定这些值之一:

“汽车”——排序的类定义的自然秩序排序函数。例如,如果混淆矩阵图的类标签是一个字符串向量,然后按字母顺序排序。如果类标签是一个顺序分类向量,然后使用类标签的顺序。
“ascending-diagonal”——排序类的值沿对角线混淆矩阵增加从左上角到右下角。
“descending-diagonal”——排序的类,这样混淆矩阵的值沿对角线减少从左上角到右下角。
“集群”(需要统计和机器学习的工具箱™)——排序类集群类似的类。您可以自定义集群使用pdist(统计和机器学习的工具箱),链接(统计和机器学习的工具箱),optimalleaforder(统计和机器学习的工具箱)功能。有关详细信息,请参见类集群类似的类(统计和机器学习的工具箱)。
数组,指定的类以独特的顺序排序分类向量,数字矢量,字符串向量,字符数组,单元阵列的特征向量,或逻辑向量。数组必须的排列ClassLabels混淆矩阵图的属性。