R 插入符号混淆矩阵度量是错误的吗？

我制作了一个函数来计算混淆矩阵的灵敏度和特异性，后来才发现

caret

包中有一个，

confusionMatrix（）

。当我尝试它时，事情变得非常混乱，因为它似乎

caret

使用了错误的公式

示例数据：

dat <- data.frame(real = as.factor(c(1,1,1,0,0,1,1,1,1)),
                  pred = as.factor(c(1,1,0,1,0,1,1,1,0)))
cm <- table(dat$real, dat$pred)
cm
    0 1
  0 1 1
  1 2 5

灵敏度和特异性似乎在我的函数和

confusionMatrix（）

之间交换。我以为我用错了公式，但我仔细检查了一下，我是对的。我还仔细检查了我是否从混淆矩阵中调用了正确的值，我很确定我是这样做的。插入符号也表明它使用了正确的公式，所以我不知道发生了什么

---

插入符号功能是错误的，还是（更有可能）我犯了一些令人尴尬的明显错误？

插入符号功能没有错误

首先。考虑如何构造表。code>table（first，second）将生成一个表，行中有

first

，列中有

second

此外，在对表进行子集设置时，应按列对单元格进行计数。例如，在函数中，计算灵敏度的正确方法是

 sens <- cm[4] / (cm[4] + cm[2])

---

插入符号功能没有错

首先。考虑如何构造表。code>table（first，second）将生成一个表，行中有

first

，列中有

second

此外，在对表进行子集设置时，应按列对单元格进行计数。例如，在函数中，计算灵敏度的正确方法是

 sens <- cm[4] / (cm[4] + cm[2])

 sens <- cm[4] / (cm[4] + cm[2])

confusionMatrix(data = dat$pred, reference = dat$real, positive = "1")

Confusion Matrix and Statistics

          Reference
Prediction 0 1
         0 1 2
         1 1 5
                                          
               Accuracy : 0.6667          
                 95% CI : (0.2993, 0.9251)
    No Information Rate : 0.7778          
    P-Value [Acc > NIR] : 0.8822          
                                          
                  Kappa : 0.1818          
                                          
 Mcnemar's Test P-Value : 1.0000          
                                          
            Sensitivity : 0.7143          
            Specificity : 0.5000          
         Pos Pred Value : 0.8333          
         Neg Pred Value : 0.3333          
             Prevalence : 0.7778          
         Detection Rate : 0.5556          
   Detection Prevalence : 0.6667          
      Balanced Accuracy : 0.6071          
                                          
       'Positive' Class : 1