La traduzione di questa pagina non è aggiornata. Fai clic qui per vedere l'ultima versione in inglese.

confusion

Classifica la matrice di confusione

Sintassi

[c,cm,ind,per] = confusion(targets,outputs)

Descrizione

Suggerimento

Per tracciare un grafico di confusione per un workflow di Deep Learning, utilizzare la funzione confusionchart.

[c,cm,ind,per] = confusion(targets,outputs) considera le matrici di target e di output, targets e outputs, e restituisce il valore di confusione c, la matrice di confusione cm, un array di celle ind, che contiene gli indici del campione dei target di classe i classificati come classe j e una matrice di percentuali per, dove ciascuna riga riassume quattro percentuali associate alla classe i-esima.

Esempi

Generazione della matrice di confusione del set di dati simpleclass utilizzando la funzione confusion

Questo esempio mostra come generare la matrice di confusione del set di dati simpleclass_dataset utilizzando la funzione confusion.

Caricare il set di dati simpleclass_dataset. Definire una rete e addestrarla.

[x,t] = simpleclass_dataset;
net = patternnet(10);
net = train(net,x,t);
y = net(x);
[c,cm,ind,per] = confusion(t,y)

a3 =

     1     2     3     1     2     3
     4     5     6     4     5     6
     7     7     7     8     8     8
     9     9     9    10    10    10

Argomenti di input

targets — Matrice dei target

matrice

Matrice dei target, specificata come una matrice S per Q, dove ciascun vettore di colonna contiene un singolo valore 1 e tutti gli altri elementi uguali a 0. L'indice del valore uguale a 1 indica quale delle categorie S quel vettore rappresenta.

outputs — Matrice degli output

matrice

Matrice degli output, specificata come una matrice S per Q, dove ciascuna colonna contiene i valori compresi nell’intervallo [0,1]. L'indice dell'elemento più grande della colonna indica quale categoria S rappresenta quel vettore.

Argomenti di output

c — Valore di confusione

scalare

Frazione di campioni classificati erroneamente, restituita come scalare.

cm — Matrice di confusione

matrice

Matrice di confusione, restituita come una matrice di confusione S per S, dove cm(i,j) è il numero di campioni il cui target è la classe i-esima che è stata classificata come j.

ind — Array degli indici

array di celle

Array degli indici, restituito come un array di celle S per S, dove ind{i,j} contiene gli indici dei campioni con la classe target i-esima, ma con classe di output j-esima.

per — Matrice delle percentuali

matrice

Matrice delle percentuali, restituita come una matrice S per 4, dove ciascuna riga riassume quattro percentuali associate alla classe i-esima:

per(i,1) false negative rate
          = (false negatives)/(all output negatives)
per(i,2) false positive rate
          = (false positives)/(all output positives)
per(i,3) true positive rate
          = (true positives)/(all output positives)
per(i,4) true negative rate
          = (true negatives)/(all output negatives)

Cronologia versioni

Introdotto in R2006a

Vedi anche

plotconfusion | roc