如何从 table 矩阵计算精度
How to calculate accuracy from table matrix
我正在使用 table
来显示 kmeans
集群与实际 class 值的结果。
如何根据 table 计算准确率百分比。我知道如何手动完成。
山鸢尾在第 2 簇中有全部 50 个,而云芝鸢尾在另一个簇中有两个。
有没有办法计算像 Incorrectly classified instances: 52%
这样的百分比
我想通过 classes 和簇打印混淆矩阵。像这样的:
0 1 <-- assigned to cluster
380 120 | 1
135 133 | 0
Cluster 0 <-- 1
Cluster 1 <-- 0
Incorrectly clustered instances : 255.0 33.2031 %
您可以使用 diag()
到 select 对角线上的情况,并使用它来计算(不)准确度,如下所示:
sum(diag(d))/sum(d) #overall accuracy
1-sum(diag(d))/sum(d) #incorrect classification
您还可以使用它来计算(在)正确分类的案例数:
sum(diag(d)) #N cases correctly classified
sum(d)-sum(diag(d)) #N cases incorrectly classified
其中 d
是你的混淆矩阵
我正在使用 table
来显示 kmeans
集群与实际 class 值的结果。
如何根据 table 计算准确率百分比。我知道如何手动完成。
山鸢尾在第 2 簇中有全部 50 个,而云芝鸢尾在另一个簇中有两个。
有没有办法计算像 Incorrectly classified instances: 52%
我想通过 classes 和簇打印混淆矩阵。像这样的:
0 1 <-- assigned to cluster
380 120 | 1
135 133 | 0
Cluster 0 <-- 1
Cluster 1 <-- 0
Incorrectly clustered instances : 255.0 33.2031 %
您可以使用 diag()
到 select 对角线上的情况,并使用它来计算(不)准确度,如下所示:
sum(diag(d))/sum(d) #overall accuracy
1-sum(diag(d))/sum(d) #incorrect classification
您还可以使用它来计算(在)正确分类的案例数:
sum(diag(d)) #N cases correctly classified
sum(d)-sum(diag(d)) #N cases incorrectly classified
其中 d
是你的混淆矩阵