두개의오분류와한개의누락된분류가있는데이터에대한혼동행렬을@ @시합니다。

알려진그룹과예측된그룹에대한벡터를생성합니다。

G1 = [3 2 2 3 1 1]';%已知组g2 = [4 2 3 NaN 1 1]';预测组

혼동행렬을반환합니다。

C = confusimat (g1,g2)

C =4×42 0 0 0 1 1 0 0 0 0 1 0 0 0 0 0

혼동행렬C의행과열에대한marketing덱스는동일하며，기본적으로(g1, g2)의정렬된순서，즉(1、2、3、4)로정렬됩니다。

1에이혼동행렬은그룹속하는것으로알려진두개의데이터점이올바르게분류되었음을보여줍니다。그룹2의경우，데이터점중하나가그룹3으로오분류되었습니다。또한，그룹3에속하는것으로알려진데이터점중하나가그룹4로오분류되었습니다。confusionmat는그룹화변수g2에 있는南값을누락값으로처리하여C의행과열에포함시키지않습니다。

confusionchart를사용하여혼동행렬을혼동행렬차트로플로팅합니다。

confusionchart (C)

혼동행렬을먼저계산한후플로팅할필가없습니다。대신confusionchart를사용하여실제레이블과예측레이블에서직접혼동행렬차트를플로팅할수있습니다。

Cm =混淆图(g1,g2)

cm = ConfusionMatrixChart with properties: NormalizedValues: [4x4 double] ClassLabels: [4x1 double]显示所有属性

ConfusionMatrixChart객체는NormalizedValues속성에숫자형혼동행렬을저장하고ClassLabels속성에클래스를저장합니다。점` ` `기법을사용하여이러한속성을` ` ` `시합니다。

厘米。NormalizedValues

ans =4×42 0 0 0 1 1 0 0 0 0 1 0 0 0 0 0

厘米。ClassLabels

ans =4×11 2 3 4

두개의오분류와한개의누락된분류가있는데이터에대한혼동행렬을표시하고그룹순서를지정합니다。

알려진그룹과예측된그룹에대한벡터를생성합니다。

G1 = [3 2 2 3 1 1]';%已知组g2 = [4 2 3 NaN 1 1]';预测组

그룹순서를지정하고혼동행렬을반환합니다。

C = confismat (g1,g2，“秩序”，[4 3 2 1])

C =4×40 0 0 0 1 0 0 0 1 1 0 0 0 0 2

혼동행렬C의행과열에대한marketing덱스는동일하며，그룹순서로지정된순서，즉(4、3、2、1)로정렬됩니다。

혼동행렬C3에의두번째행은그룹속하는것으로알려진데이터점중하나가그룹4로오분류되었음을보여줍니다。C2에의세번째행은그룹속하는데이터점중하나가그룹3으로오분류되었음을보여주고,네번째행은그룹1에속하는것으로알려진두개의데이터점이올바르게분류되었음을보여줍니다。confusionmat는그룹화변수g2에 있는南값을누락값으로처리하여C의행과열에포함시키지않습니다。

fisheriris데이터세트의표본에대해분류를수행하고결과로생성되는분류에대한혼동행렬을표시합니다。

피셔(费雪)의붓꽃데이터세트를불러옵니다。

负载fisheriris

데이터에서측정값과그룹을임의화합니다。

rng (0,“旋风”）;%用于再现性numObs =长度(物种);p = randperm(numObs);Meas = Meas (p，:);Species = Species (p);

데이터의첫번째절반에포함된측정값을사용하여판별분석분류기를훈련시킵니다。

half = floor(numObs/2);训练= meas(1:一半，:);trainingSpecies =物种(1:一半);Mdl = fitcdiscr(training,trainingSpecies);

훈련된분류기를사용하여데이터의나머지절반에포함된측정값에대한레이블을예측합니다。

Sample = meas(half+1:end，:);grouphat = predict(Mdl，样本);

그룹순서를지정하고결과로생성된분류에대한혼동행렬을@ @시합니다。

Group = species(half+1:结束);[C,order] = confismat (group,grouphat，“秩序”, {“setosa”，“多色的”，“virginica”})

C =3×329 0 0 0 22 2 0 0 22

订单=3 x1细胞{'setosa'} {'versicolor'} {'virginica'}

이혼동행렬은setosa및virginica에속하는측정값이올바르게분류되었지만杂色的에속하는측정값중두개가virginica로오분류되었음을보여줍니다。출력값订单는그룹순서{“setosa”、“癣”、“virginica '}로지정된순서로혼동행렬의행과열의순서를포함합니다。

fisheriris데이터세트로구성된高형배열에대해분류를수행하고，confusionmat함수를사용하여알려진高형레이블및예측된高형레이블에대한혼동행렬을계산한후confusionchart함수를사용하여혼동행렬을플로팅합니다。

高형배열에대한계산을수행할때MATLAB®은병렬풀(并行计算工具箱™를사용할경우디폴트값)또는로컬MATLAB세션을사용합니다。并行计算工具箱가있는상태에서로컬MATLAB세션을사용하여예제를실행하려는경우mapreduce함수를사용하여전역실행환경을변경하면됩니다。

피셔(费雪)의붓꽃데이터세트를불러옵니다。

负载fisheriris

메모리내배열量및物种를高형배열로변환합니다。

Tx =高(平均);

使用“本地”配置文件启动并行池(parpool)…连接到并行池(工人数:6)。

Ty =高(物种);

高大형배열에포함된관측값개수를구합니다。

numObs = gather(length(ty));将高数组收集到内存中

재현이가능하도록rng및tallrng를사용하여난수생성기의시드값을설정하고，훈련@본을무작위로선택합니다。결과는워커의개수및高형배열의실행환경에따라다를수있습니다。자세한내용은控制代码运行的位置항목을참조하십시오。

rng (“默认”) tallrng (“默认”) numTrain = floor(numObs/2);[txTrain,trIdx] = datasample(tx,numTrain，“替换”、假);tyTrain = ty(trIdx);

훈련@ @본에대해결정트리분류기모델을피팅합니다。

mdl = fitctree(txTrain,tyTrain);

评估高表达式使用并行池“当地”:——通过1 2:在3.9秒完成,通过2 2:在1.5秒完成评估在7.3秒完成评估高表达式使用并行池“当地”:——通过1 4:在0.88秒完成,通过2 4:在1.6秒完成,通过3 4:在4秒完成,通过4 4:在2.7秒完成评估在11秒完成评估高表达式使用并行池“当地”:——通过1 4:完成0.54秒-通过2 4:在1.2秒完成,通过3 4:完成在3秒-通过4 4:在2秒完成评估在7.6秒完成评估高表达式使用并行池“当地”:——通过1 4:在0.51秒完成,通过2 4:在1.3秒完成,通过3 4:在3.1秒完成,通过4 4:在2.5秒完成评估在8.5秒完成评估高表达式使用并行池“当地”:——通过1 4:在0.42秒内完成-通过2 / 4:在1.2秒内完成-通过3 / 4:在3秒内完成-通过4 / 4:在2.1秒内完成评估在7.6秒内完成

훈련된모델을사용하여검정@ @본에대한레이블을예측합니다。

txTest = tx(~trIdx，:);label = predict(mdl,txTest);

결과로생성된분류에대한혼동행렬을계산합니다。

tyTest = ty(~trIdx);[C,order] = confismat (tyTest,label)

C = m×n×…高阵?？？．.．？？？．.．？ ? ? ... : : : : : : Preview deferred. Learn more. order = M×N×... tall array ? ? ? ... ? ? ? ... ? ? ? ... : : : : : : Preview deferred. Learn more.

收集함수를사용하여보류했던계산을수행하고confusionmat의결과를메모리에반환합니다。

收集(C)

使用并行池“本地”评估tall表达式:-通过1 / 1:在1.9秒内完成评估，在2.3秒内完成

ans =3×320 0 0 1 30 20 0 22

收集(顺序)

使用并行池“本地”计算tall表达式:在0.032秒内完成计算

ans =3×1细胞{'setosa'} {'versicolor'} {'virginica'}

이혼동행렬은杂色的클래스에속하는측정값세개가오분류되었음을보여줍니다。濑户및弗吉尼亚에속하는모든측정값은올바르게분류되었습니다。

혼동행렬을계산하고플로팅하려면대신confusionchart를사용하십시오。

cm =混淆表(tyTest,label)

使用并行池“本地”评估高表达式:-通过1 / 1:在0.34秒内完成评估，在0.6秒内完成评估，使用并行池“本地”评估高表达式:-通过1 / 1:在0.48秒内完成评估，在0.67秒内完成

NormalizedValues: [3×3 double] ClassLabels: {3×1 cell}显示所有属性