按组计算准确度

Question

我有一个如下所示的数据框：

df<- data.frame("iteration" = c(1,1,1,1,1,1), 
    "model" = c("RF","RF","RF","SVM", "SVM","SVM"),
    "label" = c(0,0,1,0,0,1), "prediction" = c(0,1,1,0,1,1))

  iteration model label prediction
1         1    RF     0          0
2         1    RF     0          1
3         1    RF     1          1
4         1   SVM     0          0
5         1   SVM     0          1
6         1   SVM     1          1

实际上，它有10 iterations，更多的模型和每个模型的更多数据。

我想做的基本上是获得每个模型的准确性。

所以基本上我想将其应用于每个模型组（RF、SVM）：

table(df$label,df$prediction)

    0 1
  0 2 2
  1 0 2

他们对角线求和除以总数：

sum(diag(table(df$label,df$prediction)))/sum(table(df$label,df$prediction))
[1] 0.6666667

这种情况下我可以使用tapply还是dplyr派上用场？

我在这里很迷路。

Answer 1

尝试：

library(dplyr)

df %>% 
  group_by(iteration, model) %>% 
  summarise(accuracy = sum(label == prediction) / n())

给出：

#Source: local data frame [2 x 3]
#Groups: iteration [?]
#
#  iteration  model  accuracy
#      (dbl) (fctr)     (dbl)
#1         1     RF 0.6666667
#2         1    SVM 0.6666667

思路是将次数label == predictionreturnsTRUE相加除以分区大小n()

Answer 2

  df2<-df %>% mutate(acc=ifelse(label==prediction,1,0)) %>%
 group_by(iteration,model) %>%
 summarise(accuracy=sum(acc)/n())

df2

 iteration  model  accuracy
  (dbl) (fctr)     (dbl)
 1         1     RF 0.6666667
 2         1    SVM 0.6666667

Answer 3

使用data.table

library(data.table)
setDT(df)[, .(accuracy= mean(label==prediction)) , .(iteration, model)]
#   iteration model  accuracy
#1:         1    RF 0.6666667
#2:         1   SVM 0.6666667

或者可以用 base R

aggregate(cbind(accuracy = label == prediction)~iteration + model, df, mean)
#  iteration model  accuracy
#1         1    RF 0.6666667
#2         1   SVM 0.6666667

按组计算准确度

Calculate accuracy by groups

r

dplyr

tapply

confusion-matrix