Main Content

confusion

分類用の混同行列

ページ内をすべて折りたたむ

構文

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

説明

例

ヒント

深層学習ワークフローの混同チャートをプロットするには、関数 confusionchart を使用します。

[c,cm,ind,per] = confusion(targets,outputs) は、ターゲット行列 targets と出力行列 outputs を受け取り、混同値 c、混同行列 cm、ターゲット クラスが i でクラス j として分類されたサンプルのインデックスを格納した cell 配列 ind、i 番目のクラスに関する 4 つの割合が各行にまとめられた割合の行列 per が返されます。

例

すべて折りたたむ

この例では、関数 confusion を使用して simpleclass_dataset データセットの混同行列を生成する方法を説明します。

simpleclass_dataset データセットを読み込みます。ネットワークを定義してから、その学習を行います。 

[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

入力引数

すべて折りたたむ

ターゲットの行列。S 行 Q 列の行列として指定します。各列ベクトルは、値 1 を 1 つだけもち、それ以外の要素はすべて 0 です。値が 1 であるインデックスは、そのベクトルが S 個のカテゴリのどれを表しているかを示します。

出力の行列。S 行 Q 列の行列として指定します。各列は、[0,1] の範囲の値をもちます。列内で値が最も大きい要素のインデックスは、そのベクトルが S 個のカテゴリのどれを表しているかを示します。

出力引数

すべて折りたたむ

誤分類されたサンプルの割合。スカラー値として返されます。

混同行列。S 行 S 列の混同行列として返されます。cm(i,j) は、ターゲットが i 番目のクラスで、j として分類されたサンプルの数です。

インデックスの配列。S 行 S 列の cell 配列として返されます。ind{i,j} には、ターゲット クラスが i 番目で、出力クラスが j 番目であるサンプルのインデックスが格納されます。

割合の行列。S 行 4 列の行列として返されます。各行には、i 番目のクラスに関する 4 つの割合がまとめられます。

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)

バージョン履歴

R2006a で導入

参考

|