Question

我知道什么是混淆矩阵。

给定N个类，我们有一个NxN矩阵M，其中 - 每一行都是其中一个类 - 每列都是其中一个类

M（X，Y）=已在X类中分类并应在Y类中分类的元素数（当然，如果X = Y，则分类正确）。

现在我有一组“复合类”和一个变量类的数量

带有“COMPOUND”我的意思是一个类对应一个向量（变量长度）。例如，如果类由2个元素向量表示，则可能的类将为：

[0,0]

[0,1]

[1,0]

[1,1]

Mi的目标是定义一个函数：

INPUT：分类元素的NxM矩阵（其中N =分类元素的数量，M =每个类的元素数），每个元素的预期类的NxM矩阵。
OUTPUT：与输入类对应的NXN混淆矩阵

OUTPUT示例：

[1 0 0]
[0 2 0]
[0 1 0]

此矩阵为3x3矩阵。

这意味着类的总数为3，分类元素的数量为4：

一个元素应归入第1类，并已归入第1类
两个元素应归入第2类，并已归入第2类
一个元素应归入第3类，并已归入第2类

（元素是如何组成的并不重要。让我们的图像类可能是：

[0,0,1]
[1,0,1]
[1,1,1]

**输入矩阵示例（EXPECTEDclasses）：**

[0,0,1]
[1,0,1]
[1,0,1]
[1,1,1]

**输入矩阵（OBTAINED类）的示例：**

[0,0,1]
[1,0,1]
[1,0,1]
[1,0,1]   <-- this is the element(line) incorrectly classified

我该怎么办？（分类由Perceptron或Adaline神经网络进行）

提前感谢您的任何提示！

Answer 1

关键是以下列形式使用ismember：[Lia,Locb] = ismember(A,B,'rows')第二个输出参数告诉您矩阵A的每一行匹配的矩阵B的哪一行。使用此信息构造混淆矩阵（这是统计工具箱中的内置函数）。

classes = [0 0 1;
            1 0 1; 
            1 1 1];
 expected = [0 0 1;
             1 0 1;
             1 0 1;
             1 1 1];
 obtained = [0 0 1;
             1 0 1;
             1 0 1;
             1 0 1];    
>> [~, ex] = ismember(expected, classes,'rows')    
ex =    
     1
     2
     2
     3

>> [~, ob] = ismember(obtained, classes,'rows')    
ob =

     1
     2
     2
     2

>> confusionmat(ex,ob,'order',[1 2 3])    
ans =

     1     0     0
     0     2     0
     0     1     0

如果您无法访问confusionmat，则可以使用accummarray自行执行此操作。

num_observations = length(ex);
num_classes = size(classes,1);
accumarray([ex,ob],ones(num_observations,1),[num_classes,num_classes])

我应该如何在Matlab中实现混淆矩阵？

1 个答案: