当所有 类 都没有用 R 中的插入符包预测时的混淆矩阵
Confusion matrix when all classes are not predicted with caret package in R
我有一个分类模型 predict(model, test.x) 用于评估具有 11 类 的数据的模型，预测结果：
table(predicted_class)
0 1 2 3 5 6 8 10
7 6 232 11 74 58 1 1
我的测试标签（真相）是：
table(test.y)
0 1 2 3 4 5 6 7 8 9 10
105 16 78 25 14 74 12 9 23 15 19
当我想用 caret 包获取混淆矩阵时，出现此错误消息，因为 类 7 和 9 未被我的模型预测：
caret::confusionMatrix(test.y, predicted_class, mode = "everything")
Error in confusionMatrix.default(test.y, predicted_class, :
the data cannot have more levels than the reference
How can I obtain a confusion matrix when some factor levels in prediction: How can I add 0 automatically for predicted_class for missing 类 （在本例中为 4、7 和 9）
通过 union
加入因数使水平相同
all_class <- union(predicted_class, test.y)
newtable <- table(factor(predicted_class, all_class), factor(test.y, all_class))
caret::confusionMatrix(newtable)
我有一个分类模型 predict(model, test.x) 用于评估具有 11 类 的数据的模型，预测结果：
table(predicted_class)
0 1 2 3 5 6 8 10
7 6 232 11 74 58 1 1
我的测试标签（真相）是：
table(test.y)
0 1 2 3 4 5 6 7 8 9 10
105 16 78 25 14 74 12 9 23 15 19
当我想用 caret 包获取混淆矩阵时，出现此错误消息，因为 类 7 和 9 未被我的模型预测：
caret::confusionMatrix(test.y, predicted_class, mode = "everything")
Error in confusionMatrix.default(test.y, predicted_class, :
the data cannot have more levels than the reference
How can I obtain a confusion matrix when some factor levels in prediction: How can I add 0 automatically for predicted_class for missing 类 （在本例中为 4、7 和 9）
通过 union
all_class <- union(predicted_class, test.y)
newtable <- table(factor(predicted_class, all_class), factor(test.y, all_class))
caret::confusionMatrix(newtable)