Matlab 测试数据少于训练数据的混淆矩阵错误

我的模型精度计算有问题。我使用了下面的代码：

y_train = [ 1  1  1  4  4  3  3  5 5 5 ]; % true labels for x_train
%x_test : has no true labels. 
predictedLabel=[ 1 2 3 4 5 ]; % predicted labels for x_test

group=y_train ; % 10
grouphat=predictedLabel; % for test 5 test data
C=confusionmat(group,grouphat);
Accuracy = sum ( diag (C)) / sum (C (:)) ×100;

但我得到了一个错误：

使用confusionmat时出错（第75行）
G和GHAT需要有相同数量的行

---

由于测试数据大于或小于列车，我是否会得到此错误？测试数据没有真正的标签（半监督学习）。

您的训练标签和预测标签基于不同的输入，因此在混淆矩阵中比较它们是没有意义的。从：

返回由已知组和预测组确定的混淆矩阵C

i、 e.相同数据的已知和预测结果

以这个部分伪代码为例，详细信息请参见注释

% split your input data
trainData = data(1:100, :);  % Training data
testData = data(101:120, :); % Testing data (mutually exclusive from training)
% Do some training (pseudo-code, not valid MATLAB)
% ** Let's assume that the labels are in column 1 **
model = train( trainData(:,1), trainData(:,2:end) );
% Test your model on the input data, excluding the actual labels in column 1
predictedLabels =  model( testData(:,2:end) );
% Get the actual labels from column 1
actualLabels = testData(:,1);
% Note that size(predictedLabels) == size(actualLabels)
% Now we can do a confusion matrix
C = confusionmat( actualLabels, predictedLabels ) 

---

这个错误有什么不清楚的地方

confusionmat

希望输入具有相同的行数，而您没有提供这些行数。。。如果没有一个unanswerable@wolfie，我明白。但是我不能提供它，因为测试数据没有真正的标签，并且测试数据的标签是根据算法预测的。对于1000）的列车数据，组为标签（true）和组hat（对于测试数据，预测的标签为500），您是否在

predictedLabel

后面有数据集的实际标签？我认为这应该是

composionmat

的

组

参数。该函数的作用是将实际标签与预测标签进行比较，以查看它们之间的比较情况。如果训练标签和预测标签不基于相同的输入点，则它们之间没有关系。可能您没有使用标准术语，但在ML中，“测试数据”是应该有标签的数据，但您没有在训练中使用。这样，你就可以在一组新的数据中“测试”你的训练是否成功，你知道预期的答案。有真实的标签，2。没有真正的标签。实际标签=测试数据（：，1）；我没有它，算法预测它（半监督），那么混淆矩阵对你来说不是任何相关的度量。它是为了比较你的已知结果和来自相同数据的预测，你需要做我上面展示的事情，并拿出一些带有已知标签的训练数据，用于你的混淆矩阵。