matlab二维矩阵可视化几种方法


一、pcolor()

以一个100x100块对角矩阵B为例
1:原生pcolor()可以在矩阵维度不大时进行可视化,带小方格。矩阵比较大时画出整体为黑色的,这是因为格太小,全显示方格了线条

pcolor(B)  %默认带方格

在这里插入图片描述
2:可以通过shading 命令来修改显示样式(这里选择interp,更多选择参考Mathwork官方)显示不受矩阵大小限制。

pcolor(B);shading interp

在这里插入图片描述
3:还可以对其添加colorbar,设置colormap格式为hot

pcolor(B);shading interp;colorbar;colormap(hot);

在这里插入图片描述

二、imagesc()

1:原生imagesc()

imagesc(B)

在这里插入图片描述
2:同样的,也可以添加colorbar,设置colormap

imagesc(B);colorbar;colormap(cool)

在这里插入图片描述


三、spy()

spy:可视化矩阵的稀疏模式,特点是0值为白色,非0值为彩色(颜色均相同,不受值强弱影响)

1:原生spy()

spy(B)

在这里插入图片描述
2:设置标记颜色及样式

spy(B,'b.',10); % 蓝色,点10号大小

在这里插入图片描述

四、文末彩蛋

这里总结这三种可视化方法原因是我想画下面这种图,一直没找到办法。乍一看跟spy()画的差不多,而这种颜色图是可以反映矩阵元素大小强弱的。
在这里插入图片描述
实现方法

  1. 利用imagesc()或者pcolor()都可以,要点在于自定义colormap
  2. 先设置colormap为cool样式,右键colorbar选择为cool(这样做的目的是使颜色栏只包含两种颜色)
    在这里插入图片描述
  3. 这里改为cool后,颜色栏就只有粉红与青色。再次右键colorbar,打开颜色图编辑器。
    在这里插入图片描述
  4. 双击两头游标进行颜色修改,分别改为白色,任意颜色(若中间包含多余游标,先进行删除,单击再delete),完事。
    在这里插入图片描述
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中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 ]
评论 5
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