Sie verstanden habe Dinge richtig - die Verwirrung Matrix durch plotconfusion
erzeugt die Transponierte der Konfusionsmatrix durch confusionmat
erzeugt.
Dies wird dokumentiert - im doc für plotconfusion
sagt es
die Reihen der vorhergesagten Klasse entsprechen (Output-Klasse) und die Spalten zeigen die wahre Klasse (Zielklasse).
und im doc für confusionmat
sagt
C (i, j) ist eine Anzahl von Beobachtungen in der Gruppe I, die bekanntermaßen aber vorhergesagt in der Gruppe j
sein Wenn Sie zwischen den beiden konvertieren möchten, transponieren Sie sie einfach mit '
.
Warum ist es so? Meistens aus nicht sehr guten Gründen. plotconfusion
stammt von Neural Network Toolbox, während confusionmat
von Statistics Toolbox stammt, und die beiden Toolboxen haben unterschiedliche Historien, Zwecke und Konventionen.
Statistics Toolbox wurde immer direkt von MathWorks entwickelt. Im Gegensatz dazu wurde Neural Network Toolbox ursprünglich von externen akademischen Autoren entwickelt und von MathWorks vermarktet und verkauft (obwohl in letzter Zeit viele Entwicklungen intern eingeführt wurden). Frühe Versionen von Neural Network Toolbox konzentrierten sich hauptsächlich auf die Anwendung neuronaler Netzwerke zur Steuerung der Theorie, nicht zur Vorhersage von Modellen. Die Toolboxes hatten also eine andere Geschichte und einen anderen Zweck und haben eine andere Konstellation aufgebaut.
Es würde heute Sinn machen, die Werkzeugkästen nach und nach einheitlicher zu machen, aber das ist noch nicht geschehen.
könnte gerade Achse vertauscht werden. In einem Matrix-Vorhersage-Label ist vertikal und True-Label horizontal. Auf der anderen "Plot" ist Prediction Label horizontal und True Label vertikal. Ich weiß nicht, dass ich Matlab nicht für maschinelles Lernen verwende. Aber würde Sinn ergeben, wenn Sie sich Ihre Matrizen ansehen. –