ROSE软件包中的潜在缺陷：R中的准确度、召回率和准确度差异

当我使用Rose库计算度量值时，我得到了召回率、精确度和F1的度量值。然而，当我手动计算召回率和精确度时，它们是不同的。为什么

install.packages("ROSE")
library(ROSE)
library(rpart)


s = sample(957,200)
training = data[-s,] 
test = data[s,] 

### Rose
treeimb <- rpart(Riskdrinker ~ ., data = training)
pred.treeimb <- predict(treeimb, newdata = test) 
accuracy.meas(test$Riskdrinker, pred.treeimb[,2])

install.packages（“ROSE”）
图书馆（玫瑰）
图书馆（rpart）
s=样本（957200）
培训=数据[-s，]
测试=数据[s，]
###玫瑰
treeimb看起来像是
ROSE
库有一个bug，然后：

精度：0.919召回率：0.943 F:0.465

因为
max（p，r）>=f>=min（p，r）

也许你可以修复这个bug，并向作者发送一个补丁？
我用Rose软件包做了一些实验，发现他们确实做得不对

以下是其.meas函数的一些打印：

negatives: 21.8284728768508
n.negatives 45
postives 135.677199132703
n.positives 155
TP: 143
FP 16
TN 29
FN 12

与我的表格相比，这是一个混乱矩阵

pred <- predict(treeimb, newdata = test, type="class")
confMat <- table(pred, test$Riskdrinker)

          Reference
Prediction  Ja Nej
       Ja   29  12
       Nej  16 143

pred：max（p，r）>=f>=min（p，r）是什么意思？f值必须始终在精度和召回率之间；它不能小于或大于这两个界限。因此，ROSE报告的F值、精度和召回率中至少有一个是错误的。我已经提出并提交了一个准确的新版本。正在等待Nicola的答复。嘿，Anony，我从logreg得到了这些结果。准确率93分，回忆率88分，F分45分。它们与F分数一致吗？我计算了F分数：顺便说一句，0.465*2在0.919和0.943之间
pred <- predict(treeimb, newdata = test, type="class")
confMat <- table(pred, test$Riskdrinker)

          Reference
Prediction  Ja Nej
       Ja   29  12
       Nej  16 143