R-从rpart()和predict()生成混淆矩阵的命令是什么?
在使用R-从rpart()和predict()生成混淆矩阵的命令是什么?,r,confusion-matrix,R,Confusion Matrix,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 s
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