R 中用于逻辑回归的混淆矩阵

Question

我想使用训练数据和测试数据为我的逻辑回归计算两个混淆矩阵：

logitMod <- glm(LoanStatus_B ~ ., data=train, family=binomial(link="logit"))

我将预测概率的阈值设置为0.5：

confusionMatrix(table(predict(logitMod, type="response") >= 0.5,
                      train$LoanStatus_B == 1))

下面的代码很适合我的训练集。但是，当我使用测试集时：

confusionMatrix(table(predict(logitMod, type="response") >= 0.5,
                      test$LoanStatus_B == 1))

它给了我一个

的错误

Error in table(predict(logitMod, type = "response") >= 0.5, test$LoanStatus_B == : all arguments must have the same length

这是为什么？我怎样才能解决这个问题？谢谢！

Answer 1

我认为predict的使用有问题，因为你忘了提供新的数据。此外，您可以使用 caret 包中的函数 confusionMatrix 来计算和显示混淆矩阵，但您不需要在调用之前 table 结果。

在这里，我创建了一个包含代表性二进制目标变量的玩具数据集，然后我训练了一个类似于您所做的模型。

train <- data.frame(LoanStatus_B = as.numeric(rnorm(100)>0.5), b= rnorm(100), c = rnorm(100), d = rnorm(100))
logitMod <- glm(LoanStatus_B ~ ., data=train, family=binomial(link="logit"))

现在，您可以预测数据（例如，您的训练集），然后使用带有两个参数的 confusionMatrix()：

您的预测
观察到的类

library(caret)
# Use your model to make predictions, in this example newdata = training set, but replace with your test set    
pdata <- predict(logitMod, newdata = train, type = "response")

# use caret and compute a confusion matrix
confusionMatrix(data = as.numeric(pdata>0.5), reference = train$LoanStatus_B)

这是结果

Confusion Matrix and Statistics

          Reference
Prediction  0  1
         0 66 33
         1  0  1

               Accuracy : 0.67            
                 95% CI : (0.5688, 0.7608)
    No Information Rate : 0.66            
    P-Value [Acc > NIR] : 0.4625

R 中用于逻辑回归的混淆矩阵

confusionMatrix for logistic regression in R

r

validation

logistic-regression

confusion-matrix