如何计算决策树的准确性?
How do I calculate accuracy from a decision tree?
我做了一个决策树,然后用它做了一个混淆矩阵:
tree1 <- rpart(gen_election ~ twitter + facebook + youtube, data = train_data)
pred <- factor(ifelse(predicted_values[,2] > 0.5, 1,0))
confMatTree1 <- confusionMatrix(pred, test_data$gen_election, positive = levels(test_data$gen_election)[2])
我正在尝试确定树的准确性。到目前为止,我已经尝试过这段代码
accuracyTree1 <- sum(diag(confMatTree1))/sum(confMatTree1)
我收到错误消息“'list' 对象无法强制转换为 'double' 类型”
你可以试试这个:
accuracy <- confusionMatrix(pred, test_data$gen_election,
positive = levels(test_data$gen_election)[2])$overall["Accuracy"]
您可以看到存储在您的 confMatTree1
中的所有值,只需添加 $ 符号并查看关联的数据。
我做了一个决策树,然后用它做了一个混淆矩阵:
tree1 <- rpart(gen_election ~ twitter + facebook + youtube, data = train_data)
pred <- factor(ifelse(predicted_values[,2] > 0.5, 1,0))
confMatTree1 <- confusionMatrix(pred, test_data$gen_election, positive = levels(test_data$gen_election)[2])
我正在尝试确定树的准确性。到目前为止,我已经尝试过这段代码
accuracyTree1 <- sum(diag(confMatTree1))/sum(confMatTree1)
我收到错误消息“'list' 对象无法强制转换为 'double' 类型”
你可以试试这个:
accuracy <- confusionMatrix(pred, test_data$gen_election,
positive = levels(test_data$gen_election)[2])$overall["Accuracy"]
您可以看到存储在您的 confMatTree1
中的所有值,只需添加 $ 符号并查看关联的数据。