我正在使用R中插入符号库中的 confusionMatrix 函数来评估两个方法的性能，例如（来自glmnet库的elasticnet，来自kernlib的高斯处理器，randomforest）两个方法数据
我有时会看到一些方法，我正在
警告消息：在confusionMatrix.default（pred，truth）中：级别与参考和数据的顺序不同。将数据重构为 匹配。
并且性能例如是65％;但是，如果我重新标记预测的级别（更改顺序）（在上面的例子中，pred），基于＆＃34;真相＆＃34 ;;性能变为25％。
我构建了以下玩具数据。
pred = c("a", "a", "a", "b")
pred = as.factor(pred)
levels(pred) = rev(levels(pred)) % given this line, I can either get 25% or 75%.
truth = c("a", "a", "b", "b")
truth = as.factor(truth)
confusionMatrix(pred, truth)
我理解它很直观，因为它是一个两类数据。但是，我想知道，如果我这样做对我有利;意味着如果表现为25％（简单地说，接受它为75％）。
答案 0 :(得分：0)
请参阅?caret::confusionMatrix，特别是参数positive
<强>阳性 因子级别的可选字符串，对应于＆＃34; positive＆＃34;结果（如果这对您的数据有意义）。如果只有两个因子级别，则第一级将用作＆＃34;肯定＆＃34;结果
在第二个注释中，除非您的课程大约为50-50，否则您应该使用混淆矩阵之外的其他内容来评估您的结果。