4

假设我有一个y具有 n 个级别的因子变量，我有可用的预测和实际结果。如何构建混淆矩阵？

set.seed(12345)
y_actual = as.factor(sample(c('A','B', 'C', 'D', 'E'), 100, replace = TRUE))
set.seed(12346)
y_predict = as.factor(sample(c('A','B', 'C', 'D', 'E'), 100, replace = TRUE))

对于 n = 2 的情况，这个问题已经得到解答。见

R：如何为预测模型制作混淆矩阵？

我试过的

这是我走了多远

ones = data.frame(total = rep(1,100));
confusion = aggregate(ones, list(Prediction = predict, Reality = real), sum, a.action=0)
confusion

  Prediction Reality total
1          A       A    12
2          B       A     5
3          C       A    15
4          A       B    15
5          B       B     7
6          C       B     8
7          A       C    12
8          B       C    16
9          C       C    10

现在这必须以矩阵的形式出现。

背景

混淆矩阵具有水平标签“实际类别”和垂直标签“预测类别”。矩阵元素的简单计数如下：

元素 (1,1) = 实际类别的计数为 A，预测类别为 A

元素 (1,2) = 实际类别的计数为 A，预测类别为 B

ETC

4

2 回答 2

9

你应该能够做你想做的事table：

table(y_actual, y_predict)
#         y_predict
# y_actual A B C D E
#        A 4 3 4 2 8
#        B 7 1 3 6 2
#        C 3 7 1 0 4
#        D 3 6 6 4 6
#        E 6 5 5 1 3
于 2014-08-26T03:53:00.823 回答
8

只需confusionMatrix从包装插入符号中使用

require(caret)
confusionMatrix(y_actual, y_predict)



          Reference
Prediction  A  B  C
         A 12  5 15
         B 15  7  8
         C 12 16 10
于 2014-08-26T03:47:23.923 回答