如何通过统计得到混淆矩阵？

Question

我已经使用决策树来预测我的测试集。在我的代码运行之后，我得到一个 table，它有结果，但我想使用 caret 库中的 confusionMatrix() 命令。我尝试了几件事，但 none 奏效了。请看我的代码：

library(rpart)
tree <- rpart(train$number ~ ., train, method = "class")
pred <- predict(tree,test, type ="class")
p <- predict(tree, type="class")
# Confusion Matrix
conf <- table(test$number, pred)


> conf
                pred
                 Problem          Reference
  Problem              0            100
  Reference            0           2782

我试过这样做：

p <- predict(tree, type="class")
confusionMatrix(p, entiredata$number)

Errors 像 data 和 reference 应该是同一类型 ，所以我把它都改成了 factor with as.factors()，那么 a 参数的长度不一样。我在网上搜索并发现了类似的问题，但它们都没有帮助我。我的最终目标是接收统计数据作为准确性。

Answer 1

library(caret) 
confusionMatrix(p, test$number)

由于您 predict 仅针对测试数据，因此您应该仅针对 test 数据而不是整个数据集比较预测。

如何通过统计得到混淆矩阵？

How to get the confusion matrix with the statistics?

r

classification

confusion-matrix

r-caret