在神經網路和機器學習的結果分析中，常常會用混淆矩陣和roc曲線來分析識別/分類結果的好壞，而且**中也經常出現這種圖。對於卷積神經網路來說畫混淆矩陣很簡單，要用到函式plotconfusion，格式為plotconfusion（實際標籤，**標籤），畫出來是這樣的：
實際標籤是我們提前就知道的，**標籤在神經網路訓練並測試後會得到。
對於支援向量機來說如何畫混淆矩陣呢？其實也很簡單，只不過網上很少有**，我看的也是稀里糊塗的，昨天看到今天才弄明白，所以想分享給大家，其實很簡單的，用的也是plotconfusion函式。
支援向量機的實際標籤和**標籤是數值形式的，而這個函式要求的是分類陣列形式的，這就需要用到函式categorical，格式為b=categorical（a），a是實際標籤或則**標籤（數值格式的，其實就是數字），通過這個函式就把數值轉化為了分類陣列，然後再呼叫plotconfusion函式就ok了。
這裡**標籤是double型數值↑↑↑
轉化為分類陣列形式↑↑↑
ps：這兩用到的資料不一樣，所以畫出來有所差別，應該就是這樣畫的，終於明白了，看別人講的好複雜，有一種畫出來的是灰色的圖，那個網上有**，但是沒有這個彩色的好看。
好，第一篇文章，到此為止。下次再見。
Matlab畫混淆矩陣
最近自己的工作要用到混淆矩陣，因此簡單的了解了一下混淆矩陣。本部落格主要是參照部落格來寫的，在此向原作者表示感謝。首先來看一下什麼是混淆矩陣吧。在人工智慧中，混淆矩陣 confusion matrix 是視覺化工具，特別用於監督學習，在無監督學習一般叫做匹配矩陣。在影象精度評價中，主要用於比較分類結...
多分類任務的混淆矩陣
今天我將討論如何在多分類中使用混淆矩陣評估模型的效能。什麼是混淆矩陣？它顯示了實際值和 值之間的差異。它告訴我們有多少資料點被正確 哪些資料點沒有被正確 對於多分類來說，它是乙個 n n 矩陣，其中 n 是編號。輸出列中的類別，也稱為目標屬性。一二分類任務中包含了 2 個類也就是乙個 22 矩陣，一...
多分類任務的混淆矩陣處理
在多分類任務中，不適合使用pr曲線和roc曲線來進行指標評價，但我們仍可以通過混淆矩陣來進行處理。可以通過matplotlib的matshow 函式，直觀地展示分類結果的好壞。先使用cross val predict得出各個分類值的分數 y train pred cross val predict ...