confusion

분류 혼동행렬

페이지 내 모두 축소

구문

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

설명

팁

딥러닝 워크플로의 혼동행렬 차트를 플로팅하려면 confusionchart 함수를 사용하십시오.

[c,cm,ind,per] = confusion(targets,outputs)는 목표값과 출력 행렬 targets와 outputs를 받아서 혼동 값 c, 혼동행렬 cm, 클래스 j로 분류된 클래스 i 목표값의 샘플 인덱스가 포함된 셀형 배열 ind 및 백분율 값으로 구성된 행렬 per를 반환합니다. 이 행렬에서 각 행은 i번째 클래스와 연관된 4개의 백분율 값을 나타냅니다.

예제

예제

모두 축소

이 예제에서는 confusion 함수를 사용하여 simpleclass_dataset 데이터셋의 혼동행렬을 생성하는 방법을 보여줍니다.

simpleclass_dataset 데이터셋을 불러옵니다. 신경망을 정의한 다음 훈련시킵니다. 

[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

입력 인수

모두 축소

목표값으로 구성된 행렬로, S×Q 행렬로 지정됩니다. 여기서 각 열 벡터에는 하나의 1 값이 있고 나머지 모든 요소는 0입니다. 값 1의 인덱스는 S개의 범주 중에서 이 벡터가 나타내는 범주가 무엇인지를 지정합니다.

출력값으로 구성된 행렬로, S×Q 행렬로 지정됩니다. 여기서 각 열에는 [0,1] 범위의 값이 있습니다. 열에 있는 가장 큰 요소의 인덱스는 S개의 범주 중에서 이 벡터가 나타내는 범주가 무엇인지를 지정합니다.

출력 인수

모두 축소

오분류된 샘플의 비율로, 스칼라로 반환됩니다.

혼동행렬로, S×S 혼동행렬로 반환됩니다. cm(i,j)는 목표가 i번째 클래스인데 j로 분류된 샘플의 개수입니다.

인덱스로 구성된 배열로, S×S 셀형 배열로 반환됩니다. ind{i,j}에는 목표가 i번째 클래스인데 출력은 j번째 클래스인 샘플의 인덱스가 있습니다.

백분율 값으로 구성된 행렬로, S×4 행렬로 반환됩니다. 각 행은 i번째 클래스와 연관된 다음 4개의 백분율 값을 나타냅니다.

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)

버전 내역

R2006a에 개발됨

참고 항목

|