训练样本大小和测试预测的差异

Question

我用 2120x10 的样本训练了一个模型。现在我试图将相同的模型应用于测试数据集，但我在推导混淆矩阵时遇到了问题。

test_predictions <- predict(train_obj, test_data)
test_predictions <- ifelse(test_predictions > 5, 1, 0)
confusionMatrix(as.factor(test_predictions), test_data$outcome, positive="1")

我在计算混淆矩阵时出错，因为 test_data$outcome 有 2135 个值。如果我使用 test_data$outcome[1:2120]，一切正常。

有没有更好的方法在不限制值个数的情况下计算混淆矩阵？限制 test_data$outcome 中值的数量是否正确？

Answer 1

听起来不对。如果 test_data 只有 2120 行，test_data$outcome 怎么会有 2135 个值？即使 test_data 的预测器中有 NA，它们也会被预测为 NA，然后被 confusionMatrix.

忽略

dat=data.frame(a=rnorm(1000), b=rnorm(1000))
dat=dat %>% 
  mutate(c=5*(a+b)) %>%
  mutate(d=ifelse(c>5, 1, 0))
set.seed(1)
i=sample(1:1000, 750, replace=FALSE)
train_data=dat[i,]
test_data=dat[-i,]
test_data[sample(1:250, 3),1:2]=NA
lr=lm(c ~ a + b, data=train_data)
test_predictions=predict(lr, test_data)
test_predictions=ifelse(test_predictions>5, 1, 0)
confusionMatrix(test_predictions, test_data$d)

          Reference
Prediction   0   1
         0 187   0
         1   0  60

训练样本大小和测试预测的差异

Difference in size of training sample size and test prediction

r

prediction