R中的混淆矩阵

我在学习模式识别，所以我制作了两类数据，并用我的模型将其分离。 我的数据只能假设两个值，true和false

对于绘图结果，我使用了confusionMatrix，当我解释结果时，产生了疑问

confusionMatrix能给我一个错误的准确度吗？例如：

我有10个词，5个正确和5个错误，我的分类器预测8个正确和2个错误，因此1个错误应该是正确的，被分类为错误，其他项目应该是错误的，被分类为正确。 在这种情况下，结果为5对5错。

---

在R Studio的“帮助”中，我看不出confusionMatrix是逐项比较还是只比较可能结果的总和。

你所说的错误准确性是什么意思？你是说“假阳性”吗？根据您的情况，混淆矩阵类似于（A代表实际，P代表模型预测）：

现在，您可以在这里计算多个方面：

真阳性率（精度）=4/5

真实负利率（我想这就是你想要的）=4/5

假阳性率=1/5

假阴性率=1/5

准确度（总体正确率）=8/10

---

我正在使用图书馆“RSNNS”中的confusionMatrix

我举了一个简单的例子来测试和理解RSNNS中的confucionMatrix是如何工作的

rm(list = ls())
library("RSNNS")


targetsDados <- 1*c(1,0,1,0,1,0,1,0,1,0)
targetsPredictions <- 1*c(0,1,1,0,1,0,1,0,1,0)


confusionMatrix(targetsDados,targetsPredictions)

---

所以confusionMatrix告诉我有多少预测是错误的，逐项比较。

您使用的是哪个软件包？？我假设

插入符号

，但是还有其他函数使用

混淆矩阵

。另外，您是否可以提供一个？请保存RStudio标记，以回答有关代码编辑器RStudio的问题（例如，如果您的代码在命令行和RGui上工作，但在RStudio中不工作）。

# where model got wrong 

#to get the above ( not using confusion matrix from `caret` )

a=4 # correct positives
b=1 # incorrect positive
c=4 # correct negative 
d=1 # incorrect negative 

TPR = a/(a+b)
TNR = d/(c+d)
FPR = b/(b+d)
FNR = c/(a+c)
Accuracy = (a+d)/(a+b+c+d)

rm(list = ls())
library("RSNNS")


targetsDados <- 1*c(1,0,1,0,1,0,1,0,1,0)
targetsPredictions <- 1*c(0,1,1,0,1,0,1,0,1,0)


confusionMatrix(targetsDados,targetsPredictions)

       predictions
targets 0 1
      0 4 1
      1 1 4