Question

我使用rpart为数据集构建了一个决策树。

然后我将数据分为两部分 - 训练数据集和测试数据集。已使用训练数据为数据集构建树。我想根据创建的模型计算预测的准确性。

我的代码如下所示：

library(rpart)
#reading the data
data = read.table("source")
names(data) <- c("a", "b", "c", "d", "class")

#generating test and train data - Data selected randomly with a 80/20 split
trainIndex  <- sample(1:nrow(x), 0.8 * nrow(x))
train <- data[trainIndex,]
test <- data[-trainIndex,]

#tree construction based on information gain
tree = rpart(class ~ a + b + c + d, data = train, method = 'class', parms = list(split = "information"))

我现在想通过将结果与实际值列车和测试数据进行比较来计算模型生成的预测的准确性，但是这样做时我会遇到错误。

我的代码如下所示：

t_pred = predict(tree,test,type="class")
t = test['class']
accuracy = sum(t_pred == t)/length(t)
print(accuracy)

我收到一条错误消息，指出 -

t_pred == t时出错：未实现这些类型的比较另外：警告信息：不兼容的方法（＆＃34; Ops.factor＆＃34;，＆＃34; Ops.data.frame＆＃34;）for＆＃34; ==＆＃34;

在检查t_pred的类型时，我发现它是整数类型但是文档

（https://stat.ethz.ch/R-manual/R-devel/library/rpart/html/predict.rpart.html）

声明predict()方法必须返回一个向量。

我无法理解为什么变量的类型是整数而不是列表。我在哪里犯了错误，我该如何解决？

Answer 1

首先尝试计算混淆矩阵：

confMat <- table(test$class,t_pred)

现在，您可以通过将矩阵的总和对角线 - 这是正确的预测 - 除以矩阵的总和来计算精度：

accuracy <- sum(diag(confMat))/sum(confMat)

Answer 2

我的回答与@ mtoto非常相似，但更简单......我希望它也有帮助。

mean(test$class == t_pred)

使用rpart预测方法（R编程）

2 个答案: