如何在Matlab SVM分类器中使用crossval（）函数的输出创建混淆矩阵？

我必须在Matlab中测量SVM分类器的性能。混淆矩阵必须用作性能度量。然而，在Matlab中的示例中，只能计算损耗值。我找不到有关如何从crossval（）函数的结果创建混淆矩阵的信息

SVMModel = fitcsvm(X,Y,'Standardize',true,'KernelFunction','RBF',...
    'KernelScale','auto');
CVSVMModel = crossval(SVMModel);
FirstModel = CVSVMModel.Trained{1};

---

示例Matlab代码来实现这一点

`%例3 %使用分层10倍交叉验证计算混淆矩阵： %

装载（“鱼鳞”）； %类标签 y=物种； %分类方法 X=多边环境协定

%阶级秩序 顺序=唯一（y）；%组标签的顺序

cp=Cv（y，'k'，10）；%分层交叉验证

f=@（xtr，ytr，xte，yte）混淆矩阵（yte，分类（xte，xtr，ytr），“顺序”，顺序）

cfMat=crossval（f，X，y，'partition'，cp）

cfMat=重塑（总和（cfMat），3,3） %cfMat= % 50 0 0 % 0 48 2 % 0 1 49

---

%cfMat是来自10个测试集的10个混淆矩阵的总和。`

如果没有其他方法，您至少可以手动计算矩阵。使用SVM分类器对测试数据进行分类。然后，查看哪些测试数据项映射到哪个分类器输出，并与真正的类进行比较。然而，我正在寻找一种更实际的方法。