一、加载训练好的网络
laod('your_network.mat')
二、 运行下述代码
% matrix_2
% 假设YPred是模型的预测结果,YValidation是验证集的真实标签
% YPred和YValidation需要根据你的实际情况提供
confusion_matrix = confusionmat(YValidation, YPred);
% 获取类别数量
num_classes = size(confusion_matrix, 1);
% 检查混淆矩阵中是否有空白地方(0)
for i = 1:num_classes
for j = 1:num_classes
if isnan(confusion_matrix(i, j))
confusion_matrix(i, j) = 0;
end
end
end
% 类别名称
class_names = {'Class1', 'Class2', 'Class3', 'Class4', 'Class5', 'Class6'};
% 绘制混淆矩阵,并设置颜色属性
figure;
chart = heatmap(confusion_matrix);
% 设置行和列的标签
chart.YDisplayLabels = class_names;
chart.XDisplayLabels = class_names;
% 颜色设置
colormap("sky"); % 颜色设置
% 字体设置
chart.FontName = 'Arial Black'; % 将字体设置为Arial Black
% 颜色柱反向显示
% colormap(flipud(sky));
三、运行结果