Confusion Matrix

论文中咱们会经常看见一类图，比如说多类别文类问题，那么每一个类别分到其他类别都有一些数据，但是分到自己类别的毕竟多，这样计算百分比之后就形成了一个矩阵，如果分类正确率高的话，那么对角线上的元素的值，也就是自己到自己的那一部分，value就大。

我最近也在做多分类问题，要画这样的图，但是发现确实很少有代码，自己画的确实不好看，还牵扯到值的显示和x轴标签的旋转问题，所以一直自己也没空仔细研究，就去stackoverflow问了一下，马上就得到了答案，stackoverflow是个好站点啊，关于计算机领域等的问答系统。很多牛人在上面。

下面我整理了一下代码，用的答案是gnovice的，分享出来，加入函数的输入就是一个矩阵了

  
  
 

      
      

       
       

         function 
        de draw_cm(mat,tick)> 
       
       
       

         %% 
       
       
       

         %  参数：mat-矩阵；tick-要在坐标轴上显示的label向量，例如{'label_1','label_2'...} 
       
       
       

         % 
       
       
       

         %% 
       
       
       

         imagesc(mat);            %# 绘彩色图 
       
       
       

         colormap(flipud(gray));   
        de> 
        de>%# 转成灰度图，因此高value是渐黑色的，低value是渐白的 
       
       
       

         num_class=size(mat,1); 
       
       
       

           
       
       
       

         textStrings = num2str(mat(:),'%0.2f'); 
       
       
       

         textStrings = strtrim(cellstr(textStrings)); 
       
       
       

         [x,y] = meshgrid(1:num_class); 
       
       
       

         hStrings = text(x(:),y(:),textStrings(:), 'HorizontalAlignment','center'); 
       
       
       

         midValue = mean(get(gca,'CLim')); 
       
       
       

         textColors = repmat(mat(:) > midValue,1,3); 
       
       
       

         %改变test的颜色，在黑cell里显示白色 
        de> 
       
       
       

         set(hStrings,{'Color'},num2cell(textColors,2));   
        de> 
        de>%# Change the text colors 
        de> 
       
       
       

           
       
       
       

         set(gca,'xticklabel',tick,'XAxisLocation','top'); 
       
       
       

         rotateXLabels(gca, 45 ); 
       
       
       

           
       
       
       
 
        dset(gca,'yticklabel',tick); 
       
      
      
      
      

       
       对照用：
      
      

 

 

里面的代码rotateXLabels(gca, 45 );是用来对x轴的label进行旋转的，防止因为太长而重叠，用的是Ben Tordoff写的，自己可以去下载这个function，这里我就不列出来了。

举个例子吧：

  
  

   
   

    
    clc;
   
   
   
   

    
    clear;
   
   
   
   

    
    figure(1);
   
   
   
   

    
    mat = rand(6);
   
   
   
   

    
    draw_cm(mat,{'label_1','label_2','label_3', 'label_4', 'label_5', 'label_6'});
   
   
  
  

 

混淆矩阵分析指标

matlab计算得到的混淆矩阵：

预测结果\实际情况	低质	非低质
低质
非低质

为分析使用，转换得到的混淆矩阵：

	低质	非低质
判断正确	[TP]	[TN]
判断错误	[FP]	[FN]

程序识别错误的总数：

N = TN + FP 

程序识别正确的总数：

P = TP + FN 

正确识别为“低质”的站点占识别错误总数的比例（值越大越好）：

TP Rate = TP/N 

未召回的“低质”站点占识别错误总数的比例：

FP Rate = FP/N  

特征系数--误判为“低质”的站点占识别错误总数的比例：

Specificity = TN/N 

召回率--正确识别为“低质”的站点占识别正确总数的比例：

Recall = TP/P

精密度--正确识别为“低质”的站点占“低质”站点总数的比例（值越大越好）：

Precision = TP/(TP+FP)

准确率--模型判断为“低质”的站点占测试集总量的比例：

Accuracy = (TP+TN)/(P+N) 

MatLab计算混淆矩阵指标的函数

传入参数为单分类的 2 × 2 混淆矩阵，输出上一节所列举的各个指标的值。Matlab 函数：

  
  

   
   

    
    
function [] = confmatCal(confmat)

   
   
   
   

    
    
    TP = confmat(1,1);

   
   
   
   

    
    
    TN = confmat(1,2);

   
   
   
   

    
    
    FP = confmat(2,1);

   
   
   
   

    
    
    FN = confmat(2,2);

   
   
   
   

    
    
    N = TN + FP;

   
   
   
   

    
    
    P = TP + FN;

   
   
   
   

    
    

   
   
   
   

    
    
    fprintf('%s %d\n','TP =', TP);

   
   
   
   

    
    
    fprintf('%s %d\n','TN =', TN);

   
   
   
   

    
    
    fprintf('%s %d\n','FP =', FP);

   
   
   
   

    
    
    fprintf('%s %d\n\n','FN =', FN);

   
   
   
   

    
    
    fprintf('%s %d\n','N =', N);

   
   
   
   

    
    
    fprintf('%s %d\n\n','P =', P);

   
   
   
   

    
    
    

   
   
   
   

    
    
    fprintf('%s %d\n','TP_Rate =', TP/N);

   
   
   
   

    
    
    fprintf('%s %d\n','FP_Rate =', FP/N);

   
   
   
   

    
    
    fprintf('%s %d\n','Specificity =', TN/N);

   
   
   
   

    
    
    fprintf('%s %d\n','Recall =', TP/P);

   
   
   
   

    
    
    fprintf('%s %d\n','Precision =', TP/(TP+FP) );

   
   
   
   

    
    
    fprintf('%s %d\n\n','Accuracy =', (TP+TN)/(P+N) );

   
   
   
   

    
    

   
   
   
   

    
    
    fprintf('%s %d\n','g_mean1 =', sqrt(TP*P) );

   
   
   
   

    
    
    fprintf('%s %d\n','g_mean2 =', sqrt(TP*TN) );

   
   
   
   

    
    
end