用matlab计算一个给定两个矩阵的混淆矩阵

我有两个Xval（预测值）和Sv（验证测试）矩阵，一个带有分类器输出数据，另一个带有相同样本的验证数据。每列表示预测值，例如[0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0。我想知道是否有可能以矢量化方式或内置函数计算混淆矩阵，两个矩阵的大小都是12000x10。生成这两个矩阵的代码如下

load data;
load test;
[N, m] = size(X);
X = [ones(N, 1) X];
[Nt, mt] = size(Xt);
Xt = [ones(Nt, 1) Xt];
new_order = randperm(N);
X = X(new_order,: );
S = S(new_order,: );
part = 0.8;
Xtr = X(1: (part * N),: );
Xv = X((part * N + 1): N,: );
Str = S(1: (part * N),: );
Sv = S((part * N + 1): N,: );
v_c = [];
v_tx_acerto = [];
tx_acerto_max = 0;
c =  250;
w = (X'*X+c*eye(m+1))\X' * S; 
Xval = Xv*w;
for i=1:12000
    aux = Xval(i,:);
    aux(aux == max(aux)) = 1;
    aux(aux<1) = 0;
    Xval(i,:) = aux;
end

加载数据；
负荷试验；
[N，m]=尺寸（X）；
X=[一（N，1）X]；
[Nt，mt]=尺寸（Xt）；
Xt=[一（Nt，1）Xt]；
新订单=randperm（N）；
X=X（新订单：）；
S=S（新秩序：）；
部分=0.8；
Xtr=X（1：（第N部分），：）；
Xv=X（（部分*N+1）：N，：）；
Str=S（1:（N部分），：）；
Sv=S（（部分*N+1）：N，：）；
v_c=[]；
v_tx_acerto=[]；
tx_acerto_max=0；
c=250；
w=（X'*X+c*眼（m+1））\X'*S；
Xval=Xv*w；
对于i=1:12000
aux=Xval（i，：）；
辅助（辅助==最大（辅助））=1；
aux（aux有内置函数或。但是如果您想完全控制，您可以自己编写一个简单的函数，例如：

function [CMat_rel,CMat_abs] = ConfusionMatrix(Cprd,Cact)

Cprd_uq = unique(Cprd);
Cact_uq = unique(Cact);

NumPrd = length(Cprd_uq);
NumAct = length(Cact_uq);
% assert(NumPrd == NumAct)

% allocate memory
CMat_abs = NaN(NumPrd,NumAct);
CMat_rel = NaN(NumPrd,NumAct);
for j = 1:NumAct
    lgAct = Cact == Cact_uq(j);
    SumAct = sum(lgAct);
    for i = 1:NumAct
        lgPrd = Cprd == Cact_uq(i);

        Num = sum( lgPrd(lgAct) == true );
        CMat_abs(i,j) = Num;
        CMat_rel(i,j) = Num/SumAct;
    end
end
end

谢谢！但是我想计算一个这样的矩阵，给定两个预测和真的矩阵。像这样！以向量化的方式或使用一些内置函数，谢谢！这就是代码所做的（假设你预测向量）。否则，看看我命名的内置函数；）