带因子数据的For循环

我有两个相等长度的因子数据向量。举个例子：

observed=c("a", "b", "c", "a", "b", "c", "a")
predicted=c("a", "a", "b", "b", "b", "c", "c")

最后，我试图生成一个分类矩阵，显示每个因素被正确预测的次数。该示例如下图所示：

  name  T F
     a  1 2
     b  1 1
     c  1 1            

注意，tables（）命令在这里不起作用，因为我有11个不同的因子，并且输出将是11x11而不是11x2。我的计划是创建三个向量，并将它们组合成一个数据帧

首先，现有向量中唯一因子值的向量。这很简单,

 names=unique(df$observed)

接下来，一个值向量，显示正确预测的数量。这就是我遇到麻烦的地方。我可以得到单个因素的正确预测数，如下所示：

correct.a=sum(predicted[which(observed == "a")] == "a")

但这是麻烦的重复一次又一次，然后结合成一个向量一样

correct=c("correct.a", "correct.b", correct.c")

有没有一种方法可以使用循环（或者你能想到的其他策略）来改进这个过程

还要注意，我将创建的最终向量如下：

incorrect.a=sum(observed == "a")-correct.a

---

我建议您使用

data.table

明确定义结果的方式：

库（data.table）
观察值=c（“a”、“b”、“c”、“a”、“b”、“c”、“a”）
预测=c（“a”、“a”、“b”、“b”、“c”、“c”）
一个hashmap/字典不会帮你吗？为每个键（字符）指定一个计数值，比如a=1，b=2，等等？这可能对我给出的具体例子有所帮助，但我使用这些值只是为了方便；我的实际数据是文字。也不确定这将如何使我能够修复显示正确和错误响应的问题。您可以使用文字。这里的想法是在预测中遇到单词时向上计数，然后在观察者中遇到单词时向下计数。因此，predicted=c（“a”、“a”、“b”、“b”、“b”、“c”、“c”）将以一个映射结束，即：a=2，b=3，c=2。然后，我们运行observed=c（“a”、“b”、“c”、“a”、“b”、“c”、“a”）；因此，a=-1，b=1，c=0如果单词不存在，请将单词=1添加到地图中。如果单词存在于地图中，获取值，增加1，为单词分配新值，等等。啊，我明白了。但问题是，仅仅因为向量中的预测因子和观察因子（示例中为c）数量相同，并不意味着存在任何正确的预测。预测=c（“a”、“b”、“a”、“b”）和观察=c（“b”、“a”、“b”、“a”）将显示a=0，b=0，但没有正确的预测。有趣的是，我必须熟悉其中的一些命令。这会获取正确预测的数量，但不会垂直显示，也不会显示错误预测（正确预测的数量显示在每个因子下方）。
t(sapply(split(predicted == observed, observed), table))
#  FALSE TRUE
#a     2    1
#b     1    1
#c     1    1