Main Content

La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.

confusion

Matrice de confusion pour la classification

Description

exemple

Conseil

Pour tracer un diagramme de confusion pour un workflow de Deep Learning, utilisez la fonction confusionchart.

[c,cm,ind,per] = confusion(targets,outputs) prend des matrices cibles et de sortie, targets et outputs, et renvoie la valeur de confusion, c, la matrice de confusion, cm, un cell array, ind, contenant les indices des échantillons des cibles de classe i classées comme classe j, et une matrice de pourcentages, per, où chaque ligne résume quatre pourcentages associés à la i-ème classe.

Exemples

réduire tout

Cet exemple montre comment générer la matrice de confusion du jeu de données simpleclass_dataset avec la fonction confusion.

Chargez le jeu de données simpleclass_dataset. Définissez un réseau, puis entraînez-le.

[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

Arguments d'entrée

réduire tout

Matrice des cibles, spécifiée comme une matrice S x Q, où chaque vecteur colonne contient une valeur 1 unique, tous les autres éléments étant égaux à 0. L’indice de la valeur égale à 1 indique les catégories S représentées par ce vecteur.

Matrice de sorties, spécifiée comme une matrice S x Q, où chaque colonne contient des valeurs dans la plage [0,1]. L’indice de l’élément le plus grand dans la colonne indique les catégories S représentées par ce vecteur.

Arguments de sortie

réduire tout

Fraction d’échantillons mal classés, renvoyée comme un scalaire.

Matrice de confusion, renvoyée comme une matrice de confusion de dimension S x S, où cm(i,j) est le nombre d’échantillons pour lesquels la i-ème classe a été classée comme j.

Tableau d’indices, renvoyé comme un cell array de dimension S x S, où ind{i,j} contient les indices des échantillons de la i-ème classe cible, sauf la j-ème classe de sortie.

Matrice de pourcentages, renvoyée comme une matrice S x 4, où chaque ligne résume quatre pourcentages associés à la i-ème classe :

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)

Historique des versions

Introduit dans R2006a

Voir aussi

|