以下数据框架是我的总数据集的示例:
A B C D E target
0.2 0.5 0.6 -0.5 -0.7 1
0.9 0.7 0.4 -0.3 -0.8 0
0.1 0.3 0.5 -0.9 -0.2 0
0.2 0.5 0.6 -0.5 -0.6 1
我想在其中应用分类树,因此我使用了以下代码:
data$target<-factor(data$target)
# Create Training Data
train.ind <- sample(nrow(data), 0.7*nrow(data))
trainData<-data[train.ind,]
testData<-data[-train.ind,]
library("rpart")
tree <- rpart(target ~.,data=trainData)
ypred=predict(tree,testData)
library(caret)
#Print a confusion matrix
result <- confusionMatrix(ypred,testData$target)
错误:
data
和reference
应该是具有相同级别的因素。
precision <- result$byClass['Pos Pred Value']
recall <- result$byClass['Sensitivity']
f_measure <- 2 * ((precision * recall) / (precision + recall))
#OR
f_measure <-result$byClass['F1']
,但它行不通。我需要精确,召回和F1值,但我不知道如何使用" rpart"软件包结果计算。
函数confusionMatrix
采用两个参数(data
和reference
(,必须是具有相同级别的因素。代码并非如此,因为predict
函数在给出rpart
-Object时,默认情况下,将返回一个具有类成员的概率的矩阵。您需要指定该功能,您需要一个预测类的向量,并将此向量转换为具有与target
相同级别的因素(0
和1
(。
这应该可以解决:
ypred <- factor(predict(tree, testData[, -6], type="vector"),
levels = levels(testData$target))
library(caret)
confusionMatrix(ypred, testData$target)
使用factor(..., levels = levels(testData$target))
确保在这两个因素中均处于相同顺序以避免遵循警告:
警告消息:在ConfusionMatrix.Default(ypred,testdata $ target(: 级别不在相同的顺序中以供参考和数据。重构 匹配的数据。