R 计算朴素贝叶斯分类器的准确度、精确度和召回率（手动计算）

是一种新的R和NB分级机。我想确认我手工计算的准确度、精密度和召回率是正确的。我还想知道是否有任何软件包可用于此类计算

为了准确起见，我使用了sum diag/总行数

为了精确起见，我对行进行了诊断/求和

回想起来，我做了列的diag/sum

> t<-CrossTable(test_pred1,test_labels, prop.chisq = T, prop.t = T, prop.r = FALSE,
+            dnn = c('predicted', 'actual'))


   Cell Contents
|-------------------------|
|                       N |
| Chi-square contribution |
|           N / Col Total |
|         N / Table Total |
|-------------------------|


Total Observations in Table:  31 


             | actual 
   predicted |         f |         t | Row Total | 
-------------|-----------|-----------|-----------|
           f |         6 |        15 |        21 | 
             |     0.062 |     0.022 |           | 
             |     0.750 |     0.652 |           | 
             |     0.194 |     0.484 |           | 
-------------|-----------|-----------|-----------|
           t |         2 |         8 |        10 | 
             |     0.131 |     0.045 |           | 
             |     0.250 |     0.348 |           | 
             |     0.065 |     0.258 |           | 
-------------|-----------|-----------|-----------|
Column Total |         8 |        23 |        31 | 
             |     0.258 |     0.742 |           | 
-------------|-----------|-----------|-----------|

---

提前感谢，

您可以使用

caret

软件包中的

confusionMatrix（）

函数，下面是一个示例：

require(caret)
confusionMatrix(test_pred1, test_labels)

该函数需要两个长度相同的因子向量，“预测”和“实际”。 您可以使用

as.factor（test\u pred1）

强制在向量上输入因子类型

---

有关更多详细信息，请参见

？confusionMatrix

。输出具有分类问题所需的所有指标。

我希望有人能完全回答您的问题，尤其是关于您是否正确计算的问题。

require(caret)
confusionMatrix(test_pred1, test_labels)