Описание
[c,cm,ind,per] = confusion(targets,outputs)
принимает эти значения:
targets | S - Q матрица, где каждый вектор-столбец содержит один 1 значение, со всеми другими элементами 0 . Индекс 1 указывает который из S категории, которые представляет вектор.
|
outputs | S - Q матрица, где каждый столбец содержит значения в области значений [0,1] . Индекс самого большого элемента в столбце указывает который из S категории, которые представляет вектор.
|
и возвращает эти значения:
c | Значение беспорядка = часть выборок неправильно классифицируется |
cm | S - S матрица беспорядка, где cm(i,j) количество выборок, целью которых является i класс th, который был классифицирован как j
|
ind | S - S массив ячеек, где ind{i,j} содержит индексы выборок с i th предназначаются для класса, но j выходной класс th
|
per | S - 4 матрица, где каждая строка обобщает четыре процента, сопоставленные с i класс th:
per(i,1) false negative rate
= (false negatives)/(all output negatives)
per(i,2) false positive rate
= (false positives)/(all output positives)
per(i,3) true positive rate
= (true positives)/(all output positives)
per(i,4) true negative rate
= (true negatives)/(all output negatives) |
[c,cm,ind,per] = confusion(TARGETS,OUTPUTS)
принимает эти значения:
targets | 1 - Q вектор из 1/0 значений, представляющих членство |
outputs | S - Q матрица, значения в [0,1] интервал, где значения, больше, чем или равный 0.5 укажите на членство в классе
|
и возвращает эти значения:
c | Значение беспорядка = часть выборок неправильно классифицируется |
cm | 2 - 2 матрица беспорядка |
ind | 2 - 2 массив ячеек, где ind{i,j} содержит индексы выборок, целью которых является 1 по сравнению с 0 , и чей выход был больше или был равен 0.5 по сравнению с меньше, чем 0.5 |
per | 2 - 4 матрица, где каждый i строка th представляет процент ложных отрицательных сторон, ложных положительных сторон, истинных положительных сторон и истинных отрицательных сторон для класса и из класса |
[x,t] = simpleclass_dataset;
net = patternnet(10);
net = train(net,x,t);
y = net(x);
[c,cm,ind,per] = confusion(t,y)