analyse_result.m

用mushrooms数据对模式识别课程讲述的各种模式分类方法[线性分类

function [correct,error,ROC] = analyse_result(experiment_test,Result)
%分析测试结果，计算正确率，错误率，敏感度，特异度，误判率，漏判率
%输入参数：experiment_test：测试样本,第一列为标签
%          Result：测试结果，是m*1 列向量，包含分类结果
%输出参数：correct 正确率  
%         error 错误率
%         ROC 1*4 行向量  ROC（1）敏感度 ROC（2）特异度 ROC（3）误判率 ROC（4）漏判率

t_correct=0;      %正确的个数
sensitivity=0;    % 敏感度
differential=0;   %特异度
misjustice=0;     %误判率
escape_diagnose=0;%漏判率
[m n] = size(experiment_test);
%计算敏感度，特异度，误判率，漏诊率
 for j=1:m
     if experiment_test(j,1)==Result(j,1);  %统计对测试样本分类正确的个数
         t_correct=t_correct+1;
     end
      if (experiment_test(j,1)==1&Result(j,1)==1)
          sensitivity=sensitivity+1;
      else if(experiment_test(j,1)==2&Result(j,1)==2)
           differential=differential+1;
      else if(experiment_test(j,1)==2&Result(j,1)==1)
           misjustice=misjustice+1;
      else if(experiment_test(j,1)==1&Result(j,1)==2)
           escape_diagnose=escape_diagnose+1;
          end
          end
          end
      end
 end
correct=t_correct/m;%计算正确率
error=1-correct; %计算错误率
ROC(1)=sensitivity/size(find(experiment_test(:,1)==1),1);% 敏感度
ROC(2)=differential/size(find(experiment_test(:,1)==2),1); %特异度
ROC(3)=misjustice/size(find(experiment_test(:,1)==2),1);%误判率
ROC(4)=escape_diagnose/size(find(experiment_test(:,1)==1),1);%漏判率