混淆矩阵-MATLAB代码详解

最新推荐文章于 2025-07-05 11:50:31 发布

转载

最新推荐文章于 2025-07-05 11:50:31 发布 · 4.2k 阅读

12 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/xiaolong19910914/p/8733449.html

文章标签：

#matlab #人工智能

本文介绍了混淆矩阵在人工智能中的作用，特别是在图像精度评估中的应用。详细解释了混淆矩阵的概念，通过实例展示了矩阵中各元素的含义。并提供了MATLAB实现混淆矩阵的代码示例，包括主函数和confusion_matrix1.m文件的使用方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一.混淆矩阵

（一）.简介
在人工智能中，混淆矩阵（confusion matrix）是可视化工具，特别用于监督学习，在无监督学习一般叫做匹配矩阵。在图像精度评价中，主要用于比较分类结果和实际测得值，可以把分类结果的精度显示在一个混淆矩阵里面。混淆矩阵是通过将每个实测像元的位置和分类与分类图像中的相应位置和分类像比较计算的。
混淆矩阵（confusion matrix）刻画一个分类器的分类准确程度。“混淆”一词也形象地表达了分类器面对多个分类时可能造成的混淆。

（二）.混淆矩阵（Confusion Matrix）举例说明

混淆矩阵的每一列代表了预测类别，每一列的总数表示预测为该类别的数据的数目；每一行代表了数据的真实归属类别，每一行的数据总数表示该类别的数据实例的数目。每一列中的数值表示真实数据被预测为该类的数目：如下图，第一行第一列中的43表示有43个实际归属第一类的实例被预测为第一类，同理，第二行第一列的2表示有2个实际归属为第二类的实例被错误预测为第一类。
举例如下：
如有150个样本数据，这些数据分成3类，每类50个。分类结束后得到的混淆矩阵为：
这里写图片描述
每一行之和为50，表示50个样本；
第一行说明类1的50个样本有43个分类正确，5个错分为类2，2个错分为类3。