评估模型性能的R表——观察到的与预测的等级

我涉及到一个10级变量的预测，我使用rpart进行分类。 形成表格的特定代码是

as.vector（t（表（预测（bb.rt，set[train]，type=“class”），响应[train]））

但结果很糟糕： 观察班→

预测类 ↓

预测类按字母顺序排序，但观察到的类不按字母顺序排序。

---

我需要以相同的方式对它们进行排序，以便将diag（矩阵）上的值与其他值进行比较

您只需要使用标准的子集运算符重新排列列，首先创建一些示例数据：

R> dd = data.frame(x=1:4, z=5:8, y=10:13)
R> rownames(dd) = 4:1  
R> dd
  x z  y
4 1 5 10
3 2 6 11
2 3 7 12
1 4 8 13

接下来，我指定行和列的顺序：

R> dd[sort(rownames(dd)), sort(colnames(dd))]
  x  y z
1 4 13 8
2 3 12 7
3 2 11 6
4 1 10 5

---

如果我正确理解了您的问题，您似乎只需要一个混乱矩阵。

当然，手动计算并不困难，但在各种R包中有（至少）十几个内置函数为您处理所有这些——数据处理、表格式设置、错误检查等。我下面使用的bulit in函数也计算分类错误

mda包有一个内置函数，称为混淆。你这样使用：

> library(mda)
> data(iris)
> iris_fit = fda(Species ~., data=iris)

> CM = confusion(predict(iris_fit, iris), iris$Species)
> # observed classification (true) is column-wise;
> # predicted is row-wise 
> CM

            true
   predicted    setosa versicolor virginica
   setosa         50          0         0
   versicolor      0         48         1
   virginica       0          2        49

   attr(,"error")
   [1] 0.02

同样，在CRAN上的第三方软件包中还有许多函数用于计算混淆矩阵

使用sos快速搜索R包空间，得出以下结果：

> library(sos)

> findFn("confusion", maxPages=5, sortby="MaxScore")

我故意将这个搜索限制在结果的前5页（返回了87个单独的函数）。根据这些结果，具有混淆矩阵功能的其他R包：

• 包装fpc中的zmisclassification.matrix

• pamr包中的panr混淆

• 包装DAAG中的混淆

> library(sos)

> findFn("confusion", maxPages=5, sortby="MaxScore")