我将如何获得逻辑回归模型测试项目的错误模式？

Question

我正在尝试分析我在下面编码的模型的 测试项目 上的错误模式（准确性）。我想知道有多少次 Setosa 和 Versicolor 鸢尾属植物被错误地归类为 Virginica，以及 Virginica 鸢尾属植物被错误归类为非 Virginica 的频率。这可以做到吗？任何建议都会很棒。这是我的逻辑回归模型和使用该模型构建的分类器...

library(datasets)
iris$dummy_virginica_iris <- 0
iris$dummy_virginica_iris[iris$Species == 'virginica'] <- 1
iris$dummy_virginica_iris

# Logistic regression model.
glm <- glm(dummy_virginica_iris ~ Petal.Width + Sepal.Width, 
        data = iris, 
        family = 'binomial') 
summary(glm)

# Classifer.
glm.pred <- predict(glm, type="response")
virginica <- ifelse(glm.pred > .5, TRUE, FALSE)

Answer 1

你可以像这样创建一个新的向量来将花分成 virginica / non-virginica：

species <- as.character(iris$Species)
species[species != "virginica"] <- "non-virginica"

然后您可以根据模型的预测将其制成表格，作为 2 x 2 的意外事件 table:

result <- table(virginica, species)
print(result)
#          species
# virginica non-virginica virginica
#     FALSE            96         3
#     TRUE              4        47

这样可以轻松计算模型的灵敏度、特异性和准确性，如下所示：

sensitivity <- result[2, 2] / sum(result[, 2])
specificity <- result[1, 1] / sum(result[, 1])
accuracy    <- (result[1, 1] + result[2, 2]) / sum(result)
sensitivity
# [1] 0.94
specificity
# [1] 0.96
accuracy
# [1] 0.9533333

我将如何获得逻辑回归模型测试项目的错误模式？

How would I get the pattern of errors on test items for a logistic regression model?

r

machine-learning

logistic-regression