为 rpart 包结果计算精度、召回率、F1 值

Question

下面的数据框是我的总数据集的一个样本：

A    B   C    D    E    target
0.2 0.5 0.6 -0.5   -0.7   1
0.9 0.7 0.4 -0.3   -0.8   0  
0.1 0.3 0.5 -0.9   -0.2   0
0.2 0.5 0.6 -0.5   -0.6   1

我想在上面应用分类树，所以我使用了下面的代码：

data$target<-factor(data$target)

# Create Training Data
train.ind <- sample(nrow(data), 0.7*nrow(data))
trainData<-data[train.ind,]
testData<-data[-train.ind,]    

library("rpart")
tree <- rpart(target ~.,data=trainData)

ypred=predict(tree,testData)

    library(caret)
    #Print a confusion matrix
    result <- confusionMatrix(ypred,testData$target)

Error: data and reference should be factors with the same levels.

   precision <- result$byClass['Pos Pred Value']    
    recall <- result$byClass['Sensitivity']
    f_measure <- 2 * ((precision * recall) / (precision + recall))
    #OR
    f_measure <-result$byClass['F1']

但是没有用。我需要精度、召回率和 F1 值，但我不知道如何使用 "rpart" 包结果进行计算。

Answer 1

函数confusionMatrix有两个参数（data和reference），它们必须是具有相同水平的因子。这不是你的代码的情况，因为 predict 函数，当给定一个 rpart-object 时，returns 一个矩阵，默认情况下每个样本的成员资格概率为 class。您需要向此函数指定您想要预测的 classes 向量，并将此向量转换为与 target（0 和 1）具有相同水平的因子.

这应该可以解决问题：

ypred <- factor(predict(tree, testData[, -6], type="vector"),
                levels = levels(testData$target))
library(caret)
confusionMatrix(ypred, testData$target)

使用factor(..., levels = levels(testData$target))确保两个因素的水平顺序相同以避免以下警告：

Warning message: In confusionMatrix.default(ypred, testData$target) : Levels are not in the same order for reference and data. Refactoring data to match.

为 rpart 包结果计算精度、召回率、F1 值

compute precision, recall, F1 values for rpart package result

r

classification

decision-tree

rpart

precision-recall