OOB错误率与混淆矩阵之间的一致性

Question

在检查模型的统计信息时，confusion matrix中的数字与OOB error rate中randomForest的数字不一致。

如何从混淆矩阵中推断出OOB错误率？它们之间有什么关系？

在下面的示例中，我打印了两个模型的输出，一个适合分层采样（使用sampsize中的样本子集）和一个不适合的模型（即使用默认采样方案） ，我认为使用所有样品）。

我没有公开数据，但这里是函数调用：

sumY = summary(Y)
sampsize <- c(sumY["Y0"]/10, sumY["Y1"])

# First model in the image above
strat.rf.model <- randomForest(x=X,y=Y,sampsize=sampsize, strata=Y)

# Second model in the image above    
rf.model <- randomForest(x=X,y=Y)

Answer 1

这并不矛盾，只是算术：

> 180 / (1699 + 180)
[1] 0.09579564
> 63 / (63 + 58)
[1] 0.5206612
> (180 + 63) / (1699 + 180 + 63 + 58)
[1] 0.1215

每个类别的错误率定义为该类别中错误分类的观察的比例，而整体错误分类率是整个数据集的错误分类观察的比例。

每个类的错误率很少与整体错误率完全匹配。如果你停下来思考它一秒钟，这是完全合理的：有些类比其他类更难识别，然后整体错误率就像是“平均”。