在MATLAB

Question

我需要编写一个代码，用于比较两个向量 - 一个包含参考值，另一个在一些分类过程后获得的值 - 具有相同的大小，并生成一个置信矩阵，显示哪些元素，以及多少个他们被错误分类。 让我们说这些载体是：  ref = [3;3;3;4;4;2;1;3]和  obt = [4;2;3;1;1;3;4;3] 我希望置信度矩阵为：[0 0 0 1; 0 0 1 0;0 1 2 1 ;2 0 0 0] 怎么做？ 感谢

Answer 1

让我们使用accumarray和bsxfun：

• 如果可能的值始终为1，2，3，... 形式：

  ref = [3;3;3;4;4;2;1;3]; %// original values
  obt = [4;2;3;1;1;3;4;3]; %// what the original values have been classified as
  
  vals = 1:max([ref(:) obt(:)]); %// all possible values
  result = accumarray([ref(:) obt(:)],1);
  

• 如果值是任意的：

  obt = [.1 .1 5.4 5.4 3 2.2 2.2]; %// original values
  ref = [.1 2.2 2.2 5.4 5.4 3 3]; %// what the original values have been classified as
  
  vals = unique([ref(:);obt(:)]); %// all existing values
  [~, refv] = max(bsxfun(@eq, ref(:).', vals(:)));
  [~, obtv] = max(bsxfun(@eq, obt(:).', vals(:)));
  result = accumarray([refv(:) obtv(:)],1);
  

输入向量可以是行或列可互换。

vals包含所有可能的值（示例中为[1 2 3 4]）。 result(m,n)表示值vals(m)被归类为vals(m) 的次数。

Answer 2

num_classes = max([ref;obt]);
mat_classes = zeros(num_classes);

for i = 1:length(ref)
    mat_classes(ref(i),obt(i)) = mat_classes(ref(i),obt(i))+1
end

这应该以更简单的方式做你想做的事。

这比Luis Mendo的回应效率低得多。对于matlab中的循环通常不是一个好主意。如果你打算经常使用matlab，你应该使用矢量化。

将其设为启动器http://es.mathworks.com/help/matlab/matlab_prog/vectorization.html

Answer 3

你想要一个confusion matrix。使用Matlab的confusionmat函数：

>> confusionmat(ref, obt)
ans =

     0     0     0     1
     0     0     1     0
     0     1     2     1
     2     0     0     0