2クラス分類問題にお​ける事後確率を用いた​拒否オプションについ​て

学習済みのCNNネットワークを用いて画像を2クラスに分類し、分類の事後確率がある値よりも高い場合にはCNNの分類結果を受け入れ、低い場合にはCNNの分類結果を拒否するプログラムを作成しようと考え、以下のようなコードで実行したところ、

エラー: confusionmat (line 71)

G と GHAT は同じタイプでなければなりません。

エラー: Squeezenet_ensemble (line 161)

C = confusionmat(imdsValidation.Labels,YPred)

というエラーが出てしまいました。

質問なのですが、事後確率の低い場合には拒否する、という場合にはクラス1・クラス2の分類のほかに分類結果を拒否する3つ目のクラスを定義する必要があるのでしょうか。よろしくお願いいたします。

% 事後確率に応じてCNNの分類結果を拒否するオプション
for i=1:filesuu
     if ( probs(i,:) < 0.9) 
        YPred = 'Reject';
        [img,info] = readimage(imdsValidation,i);
        info.Filename
        imshow(img)
     end
end

% 正解率を表示
accuracy = mean(YPred == imdsValidation.Labels)

% 分類の混同行列を表示
C = confusionmat(imdsValidation.Labels,YPred)
confusionchart(C)

Answer 1

[Kenta]

こんにちは、「～のほかに分類結果を拒否する3つ目のクラスを定義する必要があるのでしょうか」とありますが、confusion matrixをA, B, rejectの３つのカテゴリーで作成したい場合は、定義する必要がある（＝imdsValidation.Labelsにrejectが含まれないとエラーを返す場合が多い）と思います。もしかしたらデータの入れ方次第では問題にはならないかもしれません。

ただ、本来的には、imdsValidation.Labels内にはAかBのみが入るはずで、rejectというカテゴリーの概念はないですよね。そのため、精度計算をした行の次の段階としては、reject以外のカテゴリをもつYPredとそれに対応するラベルでconfusion matrixを作るのかと想像していたのですがいかがでしょうか。

[Sae Onodera]

ご回答ありがとうございます。

お返事が遅くなってしまってすみません。

2つ目に挙げてくださった手順でconfusion matrixを作ることができました。ありがとうございました。

[Kenta]

はい、解決しよかったです。