R-从rpart（）和predict（）生成混淆矩阵的命令是什么？

在使用

rpart（）

和

predict（）

命令生成预测模型后，我应该在R中使用什么命令来执行混淆矩阵

# Grow tree
library(rpart)
fit <- rpart(activity ~ ., method="class", data=train.data)

printcp(fit) # display the results
plotcp(fit) # visualize cross-validation results
summary(fit) # detailed summary of splits

# Prune the tree (in my case is exactly the same as the initial model)
pfit <- prune(fit, cp=0.10) # from cptable
pfit <- prune(fit,cp=fit$cptable[which.min(fit$cptable[,"xerror"]),"CP"])

# Predict using the test dataset
pred1 <- predict(fit, test.data, type="class")

# Show re-substitution error
table(train.data$activity, predict(fit, type="class"))

# Accuracy rate
sum(test.data$activity==pred1)/length(pred1)

#生长树
图书馆（rpart）
fit使用
predict（）
方法，使用您的fit和原始数据框，如下所示：

pred = predict(train.fit, newdata, type = "vector")
newdata$pred = as.vector(pred)
newdata$prediction = activities[newdata$pred]

tab = table (newdata$prediction, newdata$activity)
print(tab)

在上面的例子中，rpart模型预测一个活动（一个因子变量）
pred
是数字，其值对应于系数的级别<代码>活动=排序（唯一（数据$activity））

对应默认因子映射

也许你们可以在新的变量中从两个模型中得到预测，并制作表格（DF$rpart，DF$predict），其中DF是你们在分析中的数据框架