0

考虑这个简单的例子：

data_frame(truth = c(1,1,0,0),
           prediction = c(1,0,1,0),
           n_obs = c(100,10,90,50))
# A tibble: 4 x 3
  truth prediction n_obs
  <dbl>      <dbl> <dbl>
1     1          1   100
2     1          0    10
3     0          1    90
4     0          0    50

我想将其传递tibble给，caret::confusionMatrix以便我一次获得所需的所有指标（accuracy、、recall等）。

如您所见，其中tibble包含计算性能统计信息所需的所有信息。例如，您可以看到在测试数据集中（此处未提供），有 100 个观察值，其中预测标签1与真实标签匹配1。然而，90预测值为 的观察结果1实际上是误报。

我不想手动计算所有指标，而是想求助于caret::confusionMatrix()

然而，事实证明这非常困难。调用confusionMatrix(.)上述tibble方法不起作用。这里有什么解决办法吗？

谢谢！

4

1 回答 1

2

您可以使用以下内容。您必须将正类设置为 1，否则 0 将被视为正类。

confusionMatrix(xtabs(n_obs ~ prediction + truth , df), positive = "1")

Confusion Matrix and Statistics

          truth
prediction   0   1
         0  50  10
         1  90 100

               Accuracy : 0.6             
                 95% CI : (0.5364, 0.6612)
    No Information Rate : 0.56            
    P-Value [Acc > NIR] : 0.1128          

                  Kappa : 0.247           
 Mcnemar's Test P-Value : 2.789e-15       

            Sensitivity : 0.9091          
            Specificity : 0.3571          
         Pos Pred Value : 0.5263          
         Neg Pred Value : 0.8333          
             Prevalence : 0.4400          
         Detection Rate : 0.4000          
   Detection Prevalence : 0.7600          
      Balanced Accuracy : 0.6331          

       'Positive' Class : 1
于 2018-06-06T16:15:53.057 回答