我有一个混淆矩阵,它是用另一个保存在文本文件中的软件计算的。有 4 个类未出现在此文件中。我们可以参考类 C1、C2、C3、C4。输入文件conf_mat.txt的内容如下所示:
830 0 10 0
0 1262 18 0
3 37 1262 18
1 0 5 1314
我阅读了如下文件:
cm <- read.table("conf_mat.txt")
它如下所示:
V1 V2 V3 V4
1 830 0 10 0
2 0 1262 18 0
3 3 37 1262 18
4 1 0 5 1314
我需要使用 byClass 从这个矩阵中的灵敏度、特异性、F1 等计算统计数据,所以 confusionMatrix 将非常有用。但是我没有每个样本的实际列表和预测列表。
万一这对以后可能会帮助某人,这就是我找到的答案。
我根据输入混淆矩阵的列构造了类:
class0 <- rep(c('C0', 'C1', 'C2', 'C3'), cm[,1])
class1 <- rep(c('C0', 'C1', 'C2', 'C3'), cm[,2])
class2 <- rep(c('C0', 'C1', 'C2', 'C3'), cm[,3])
class3 <- rep(c('C0', 'C1', 'C2', 'C3'), cm[,4])
我用正确的类做了一个数组:
trueClass <- c(rep('C0', sum(cm[,1])), rep('C1', sum(cm[,2])), rep('C2', sum(cm[,3])), rep('C3', sum(cm[,4])))
还有一个预测的:
predictedClass <- c(class0, class1, class2, class3)
然后将混淆矩阵应用于两个数组
newCM <- confusionMatrix(predictedClass, trueClass)
newCM
这会导致从文本文件中读取的混淆矩阵相同,但计算了额外的统计信息。
Confusion Matrix and Statistics
Reference
Prediction C0 C1 C2 C3
C0 830 0 10 0
C1 0 1262 18 0
C2 3 37 1262 18
C3 1 0 5 1314
Overall Statistics
Accuracy : 0.9807
95% CI : (0.9763, 0.9844)
No Information Rate : 0.2798
P-Value [Acc > NIR] : < 2.2e-16
Kappa : 0.974
Mcnemar's Test P-Value : NA
Statistics by Class:
Class: C0 Class: C1 Class: C2 Class: C3
Sensitivity 0.9952 0.9715 0.9745 0.9865
Specificity 0.9975 0.9948 0.9833 0.9982
Pos Pred Value 0.9881 0.9859 0.9561 0.9955
Neg Pred Value 0.9990 0.9894 0.9904 0.9948
Prevalence 0.1752 0.2729 0.2721 0.2798
Detection Rate 0.1744 0.2651 0.2651 0.2761
Detection Prevalence 0.1765 0.2689 0.2773 0.2773
Balanced Accuracy 0.9963 0.9832 0.9789 0.9924