与训练数据相比，测试数据更少的混淆矩阵错误

Question

我的模型精度计算有问题。我使用了以下代码：

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;

但我得到了错误：

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

由于测试数据比列车多或少，我会得到这个错误吗？测试数据没有真正的标签(半监督学习(。

Answer 1

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。来自confusionmat文档：

返回由已知和预测组确定的混淆矩阵C

即相同数据的已知和预测结果。

以这个部分伪代码为例，有关的详细信息，请参阅注释

% 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 )