注意事项:
1、O1 = fitNaiveBayes(meas,species); 是搭建一个朴素贝叶斯框架
其中 meas: 样本数据 (样本数 * 维数)
species:标签 (样本数 * 1)
2、C1 = O1.predict(meas); 得到预测标签
3、cMat1 = confusionmat(species,C1) 构建混淆矩阵
4、混淆矩阵:
下面是一个例子
1,首先输入两个矩阵g1=[1 1 1 2 2 2 3 3 3 3], g2=[1 1 2 2 2 2 3 1 3 3] g1为已知值,g2为预测值;
2,然后利用[C,order]=confusionmat(g1,g2) 命令就可以计算出来了。
C =
2 1 0
0 3 0
1 0 3
order =
1
2
3
order表示每个变量所在的类,C(i,j)表示在g1中的i类数在g2中被分在j类的个数,比如C(1,1)=2是因为g1中的开始的三个1,有两个在g2中被分在了第一类。C(1,2)=1是表示g1中的开始的三个1,有1个在g2中被分在了第二类,就是第三个1,在g2中分在了第二类。