混淆矩阵（Confusion Matrix）

混淆矩阵计算代码：

// 打开两幅待比较的分类影像
CFile datClassifyImg(ImgPath1, CFile::modeRead | CFile::typeBinary);// ImgPath1：路径根据自己的路径更换
CFile datGroundTruth(ImgPath2, CFile::modeRead | CFile::typeBinary);// ImgPath2：路径根据自己的路径更换int nClass = 5;// 根据你的类别数更改
int TotalPixel = samples * lines;// 根据你的图像来确定像素数量// 混淆矩阵是类别数的方阵
vector<vector<int>>ConfusionMatrix(nClass, vector<int>(nClass));// 读取两个分类影像，构建混淆矩阵
BYTE *pClassImg = new BYTE[TotalPixel];
BYTE *pGroundTruth = new BYTE[TotalPixel];
datClassifyImg.Read(pClassImg, TotalPixel);
datGroundTruth.Read(pGroundTruth, TotalPixel);
for (int nPixel = 0; nPixel < TotalPixel; nPixel++)
{int row = pClassImg[nPixel] - '\x0';int column = pGroundTruth[nPixel] - '\x0';ConfusionMatrix[row][column]++;// 对应位置加1
}
delete[]pClassImg;
delete[]pGroundTruth;
datClassifyImg.Close();
datGroundTruth.Close();

精度评价（Overall Accuracy&Kappa Coefficient）

我们已经利用两幅分类影像构建了它们之间的混淆矩阵，便可从混淆矩阵中进行精度评价。

Kappa Coefficient计算公式

其中， p₀是每一类正确分类的样本数量之和除以总样本数，也就是总体分类精度。
假设每一类的真实样本个数分别为a1,a2,…,aC，而预测出来的每一类的样本个数分别为b1,b2,…,bC
总样本个数为n，则有：

Kappa系数计算代码：

// 计算p0
int sumDiag = 0;
for (int i = 0; i < nClass; i++)
{sumDiag += ConfusionMatrix[i][i];
}
double p0 = sumDiag * 1.0 / TotalPixel;// 计算pe
int sumRC = 0;
for (int i = 0; i < nClass; i++)
{int sumR = 0;int sumC = 0;for (int j = 0; j < nClass; j++){sumR += ConfusionMatrix[i][j];sumC += ConfusionMatrix[j][i];}sumRC += sumR * sumC;
}
double pe = sumRC * 1.0 / TotalPixel / TotalPixel;// 计算Kappa
double KappaCoefficient = (p0 - pe) / (1 - pe);CString OAKappa;
OAKappa.Format(_T("Overall Accuracy = (%d/%d)  %.4lf%%\r\nKappa Coefficient = %.4lf"), sumDiag, TotalPixel, p0, KappaCoefficient);
MessageBox(OAKappa, _T("精度对比结果"));

MFC实现ENVI分类影像混淆矩阵（Confusion Matrix）及精度计算（Overall Accuracy和Kappa Coefficient）相关推荐

分类之混淆矩阵(Confusion Matrix)
1. 写在前面为什么时隔多年又再做一次混淆矩阵的整理,TMD就是每次用的时候要自己回过头查一遍,老是记不住,为了打好基础,再次进行梳理. 2. 为什么会有混淆矩阵我们简单的分类衡量模型的好坏,其实 ...
多分类问题中混淆矩阵(Confusion Matrix)的Matlab画法
在多分类问题中,有一种很实用的分类问题结果统计图. 比如说多类别文类问题,那么每一个类别分到其他类别都有一些数据,但是分到自己类别的毕竟多,这样计算百分比之后就形成了一个矩阵,如果分类正确率高的话,那 ...
matlab 分类学习工具箱 Classification Learner的使用及导出其生成的图，混淆矩阵confusion matrix的画法
声明:转自https://blog.csdn.net/qq_27914913/article/details/71436838 https://blog.csdn.net/evil_xue/artic ...
分类模型之混淆矩阵(Confusion Matrix)
目录混淆矩阵简介混淆矩阵及其参数混淆矩阵的其他指标混淆矩阵简介混淆矩阵是ROC曲线绘制的基础,同时它也是衡量分类型模型准确度中最基本,最直观,计算最简单的方法. 可以简单理解为:将一个分类模 ...
动手画混淆矩阵(Confusion Matrix)（含代码）
1.混淆矩阵:Confusion Matrix 2.怎么画(新)? 3.怎么用? 网上关于混淆矩阵的代码参差不齐,没找到可用的线程的代码,所以自己尝试写了下 1.混淆矩阵:Confusion Matr ...
python画混淆矩阵 confusion matrix
sklearn.metrics.plot_confusion_matrix可以直接画混淆矩阵, 但是好像要传入sklearn的classifier. 贴一个自己写的函数, 自己定义起来比较方便: de ...
python多分类画混淆矩阵_【AI基础】分类器评估一：混淆矩阵、准确率、精确率、召回率、灵敏度、特异度、误诊率、漏诊率...
混淆矩阵在机器学习中尤其是统计分类中,混淆矩阵(confusion matrix),也被称为错误矩阵(error matrix).之所以叫做混淆矩阵,是因为能够很容易的看到机器学习有没有将样本的类别 ...
多目标分类的混淆矩阵_用于目标检测的混淆矩阵
多目标分类的混淆矩阵 After training a machine learning classifier, the next step is to evaluate its performanc ...
使用Excel分析数据学习笔记之二分类与混淆矩阵
使用Excel分析数据学习笔记之二分类与混淆矩阵混淆矩阵的构成: e.g.1:Bombers and seagulls 案例背景混淆矩阵如何根据混淆矩阵得到ROC曲线? 如何设定最佳阈值(op ...

MFC实现ENVI分类影像混淆矩阵（Confusion Matrix）及精度计算（Overall Accuracy和Kappa Coefficient）

混淆矩阵（Confusion Matrix）

混淆矩阵计算代码：

精度评价（Overall Accuracy&Kappa Coefficient）

Kappa Coefficient计算公式

Kappa系数计算代码：

MFC实现ENVI分类影像混淆矩阵（Confusion Matrix）及精度计算（Overall Accuracy和Kappa Coefficient）相关推荐

最新文章

热门文章