问题：
测量灵敏度所需的混淆矩阵&特异性。
问题：
对于混淆矩阵数据，我有匹配的级别，在混淆矩阵中，数据的级别不能超过参考，所以当我的级别匹配时(例如，下面的列表(，那么关于"数据不能超过参考"的错误是指什么？引用是"model_prediction"[last length((/str((。我的因变量是一个因子变量。
尝试的工作量：
对于R代码，首先我使用因子结果进行预测，并包含na.action:
loans_predict_fcm <- factor(predict(full, newdata = data_train, type = "response", na.action = na.pass))
具有来自单独表格((的结果，例如pred_table；我成功地使用公式计算了灵敏度和特异性ok。然而，我想用一个混淆的Matrix((来交叉确认这一点。但我很难让confusionMatrix((正常工作。
Sensitivity <- 100*(pred_table[1,1])/sum(pred_table[1,1] + pred_table[1,1])
Specificity <- 100*(pred_table[2,2])/sum(pred_table[2,1] + pred_table[2,2])
当我尝试使用因子predict((运行confusionMatrix((时。然后检查级别，发现它们不匹配，这就是为什么confusionMatrix((在数据上失败的原因，它不能有比引用更多的级别，在本次运行model_prediction时。
confusionMatrix(loans_predict_fcm, model_prediction, positive="1")
identical (levels(loans_predict_fcm), levels(model_prediction))
> FALSE
> length(loans_predict_fcm)
[1] 27724
> str(loans_predict_fcm)
Factor w/ 27424 levels "0.13079979710253",..: 15967 9625 15966 10703 7830 12394 21291 15023 17920 18442 ...
- attr(*, "names")= chr [1:27724] "11413" "2561" "25337" "1643" ...
> length(loans_train_data$statusRank)
[1] 27724
> str(loans_train_data$statusRank)
Factor w/ 2 levels "Bad","Good": 2 2 2 1 1 2 2 2 1 2 ...
> length(model_prediction)
[1] 27724
> str(model_prediction)
Factor w/ 2 levels "Bad","Good": 2 2 2 2 2 2 2 2 2 2 ...
>
对于混淆矩阵灵敏度&具体的问题是，列名和行名有差异，所以我能够使用一个自定义函数来解决这个问题，这个函数基本上是对colnames((和rownames(。