Создайте матричный график неточностей для задачи классификации
confusionchart(
создает путаницу матрицы графика из истинных меток trueLabels
,predictedLabels
)trueLabels
и предсказанные метки predictedLabels
и возвращает ConfusionMatrixChart
объект. Строки матрицы неточностей соответствуют истинному классу, а столбцы соответствуют предсказанному классу. Диагональные и недиагональные камеры соответствуют правильно и неправильно классифицированным наблюдениям, соответственно. Использование cm
для изменения матричного графика неточностей после ее создания. Список свойств см. в разделе Свойства ConfusionMatrixChart.
confusionchart(
создает матрицу неточностей, график из числовой матрицы неточностей m
)m
. Используйте этот синтаксис, если у вас уже есть числовая матрица неточностей в рабочей области.
confusionchart(
задает метки классов, которые появляются вдоль осей X и ось Y Используйте этот синтаксис, если у вас уже есть матрица числовых неточностей и метки классов в рабочей области.m
,classLabels
)
confusionchart(
создает график неточностей в рисунке, панели или вкладке, заданные как parent
,___)parent
.
confusionchart(___,
задает дополнительные Name,Value
)ConfusionMatrixChart
свойства с использованием одного или нескольких аргументов пары "имя-значение". Задайте свойства после всех других входных параметров. Список свойств см. в разделе Свойства ConfusionMatrixChart.
возвращает cm
= confusionchart(___)ConfusionMatrixChart
объект. Использование cm
для изменения свойств графика после ее создания. Список свойств см. в разделе Свойства ConfusionMatrixChart.
MATLAB® генерация кода не поддерживается для ConfusionMatrixChart
объекты.
Если у вас есть данные с одной горячей точкой (one-of-N), используйте onehotdecode
чтобы подготовить ваши данные для использования с confusionchart
. Например, предположим, что у вас есть истинные метки targets
и предсказанные метки outputs
, с наблюдениями в столбцах. Можно создать матричный график неточностей, используя
numClasses = size(targets,1); trueLabels = onehotdecode(targets,1:numClasses,1); predictedLabels = onehotdecode(outputs,1:numClasses,1); confusionchart(trueLabels,predictedLabels)
Если у вас есть Statistics and Machine Learning Toolbox™, можно создать матричный график неточностей для длинных массивов. Для получения дополнительной информации см. confusionchart
(Statistics and Machine Learning Toolbox) и матрица неточностей для классификации с использованием длинных массивов (Statistics and Machine Learning Toolbox).