MATLAB实现多分类预测结果混淆矩阵(Confusion matrix)可视化

对于多分类问题,如何对预测结果进行可视化分析是性能对比的关键,在实际多分类问题,除了简单展示模型预测精度外,如何理解不同类别之间的预测结果对于分析样本相关性和属性区别具有重要意义,在MATLAB中一般通过混淆矩阵confusion matrix进行可视化分析,

基本实现函数为:

1. plotconfusion(targets,outputs)

2. plotconfusion(targets,outputs, name)

其中 targets为样本对应实际标签,outputs为所建模型预测样本标签,name为混淆矩阵名称,并非对应属性名称(譬如产地等),除上述两种方式为,还有一种表达方式是通过单独属性表示预测结果的,没什么应用价值,此处不再介绍。

需要说明的是:targets和outputs两个矩阵不是实际预测模型的1xN矩阵,而是MxN矩阵,其中N表示样本数目,M表示样本属性个数,即类别数或标签数等。常规模型所得1xN预测属性无法直接进行混淆矩阵绘制,需要对单样本属性进行多属性扩展,具体为建立MxN矩阵,该矩阵行表示属性特性,列表示样本,对于单个样本,仅在对应属性对应行向量进行标注(1),该列向量其余位置均为0,这样,原先的矩阵1xN矩阵转换为MxN矩阵。

官方给出的二分类问题为:

其中横轴表示真实样本标签、纵轴表示样本预测标签,下、右四块浅灰色表示TP、TN、FP、FN等有关不平衡分布样本评价指标参数。

官方给出的多分类问题为: 

 可以看到,每一个橙色方块内部表示预测错误样本数,主对角线表示预测正确样本数,下、右浅灰色矩形框表示对应样本属性预测准确率。

最后再贴一张自己对太平猴魁茶产地鉴别结果的可视化:

 

 我对图中的字体和框图颜色进行了调整。

完结,加油,我的博士梦!

  • 26
    点赞
  • 109
    收藏
    觉得还不错? 一键收藏
  • 26
    评论
Matlab中,可以通过绘制混淆矩阵来对模型的性能进行可视化混淆矩阵是一个二维矩阵,用于表示分类模型的预测结果与真实标签之间的关系。根据引用中的代码示例,我们可以看到绘制混淆矩阵的具体步骤如下: 1. 首先,需要定义一个混淆矩阵ConfMat,其中包含了真阳性(True Positive, TP)、真阴性(True Negative, TN)、假阳性(False Positive, FP)和假阴性(False Negative, FN)的数量。这些值可以根据具体的分类结果进行统计。 2. 接下来,可以通过使用imagesc函数将混淆矩阵绘制成一个热力图,以直观地显示不同类别之间的分类情况。 3. 为了更好地理解热力图中的内容,可以设置坐标轴的刻度和标签,分别表示类别的真实标签值。 4. 最后,可以使用text函数添加信息,如真阳性、假阳性、真阴性和假阴性的数量,并根据特定的阈值T对其进行颜色标记。 需要注意的是,引用中提到的targets和outputs两个矩阵不是实际预测模型的1xN矩阵,而是MxN矩阵,其中N表示样本数目,M表示样本属性个数或类别数。通过对单样本属性进行多属性扩展,可以将1xN矩阵转换为MxN矩阵,从而进行混淆矩阵的绘制。 综上所述,通过以上步骤,我们可以在Matlab实现混淆矩阵可视化。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [理解Matlab中的数组和矩阵:区别与用途](https://download.csdn.net/download/weixin_41784475/88226805)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [【有问不答】混淆矩阵可视化MATLAB)](https://blog.csdn.net/xsz591541060/article/details/118998758)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [MATLAB实现多分类预测结果混淆矩阵Confusion matrix可视化](https://blog.csdn.net/qq_35667901/article/details/109016537)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 26
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值