confusion

Matriz de confusión de clasificación

Sintaxis

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

Descripción

Sugerencia

Para representar la gráfica de confusión de un flujo de trabajo de deep learning, use la función confusionchart.

[c,cm,ind,per] = confusion(targets,outputs) toma las matrices objetivo y de salida, targets y outputs, y devuelve el valor de confusión, c; la matriz de confusión, cm; un arreglo de celdas, ind, que contiene los índices de muestra de los objetivos de clase i clasificados como clase j, y una matriz de porcentajes, per, en la que cada fila contiene un resumen de cuatro porcentajes asociados con la i-ésima clase.

Ejemplos

Generar la matriz de confusión del conjunto de datos simpleclass usando la función confusion

Este ejemplo muestra cómo generar la matriz de confusión del conjunto de datos simpleclass_dataset usando la función confusion.

Cargue el conjunto de datos simpleclass_dataset. Defina una red y, luego, entrénela.

[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

Argumentos de entrada

targets — Matriz de objetivos

matriz

Matriz de objetivos, especificada como una matriz de S por Q en la que cada uno de los vectores columna contiene un único valor 1 y el resto de los elementos son iguales a 0. El índice del valor igual a 1 indica qué categorías S representa ese vector.

outputs — Matriz de salidas

matriz

Matriz de salidas, especificada como una matriz de S por Q en la que cada una de las columnas contiene valores del intervalo [0,1]. El índice del mayor elemento de la columna indica qué categorías S representa ese vector.

Argumentos de salida

c — Valor de confusión

escalar

Fracción de muestras clasificadas de forma errónea, devuelta como un escalar.

cm — Matriz de confusión

matriz

Matriz de confusión, devuelta como una matriz de confusión de S por S en la que cm(i,j) es el número de muestras cuyo objetivo es la i-ésima clase que se ha clasificado como j.

ind — Arreglo de índices

arreglo de celdas

Arreglo de índices, devuelto como un arreglo de celdas de S por S, en el que ind{i,j} contiene los índices de las muestras con la i-ésima clase objetivo, pero j-ésima clase de salida.

per — Matriz de porcentajes

matriz

Matriz de porcentajes, devuelta como una matriz de S por 4 en la que cada fila contiene un resumen de cuatro porcentajes asociados con la i-ésima clase:

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)

Historial de versiones

Introducido en R2006a

Consulte también

plotconfusion | roc