我有一个公开的数据集(" banknote_authentication")。它有四个预测变量(方差,偏度,熵和峰度)和一个目标变量(类)。数据集包含1372条记录。我在Windows机器上使用R版本3.3.2和RStudio。
我使用插入符号包为以下模型创建交叉验证方法:逻辑回归,LDA,QDA,KNN,k = 1,2,5,10,20,50,100。我需要获得每种方法的测试误差以及灵敏度和特异性,并以箱线图的形式呈现结果,比较这些方法的测试误差/灵敏度/特异性。以下是我的逻辑回归代码示例:
ctrl <- trainControl(method = "repeatedcv", number = 10, savePredictions = TRUE)
mod_fit <- train(class_label~variance+skewness+kurtosis+entropy, data=SBank, method="glm", family="binomial", trControl = ctrl, tuneLength = 5)
pred = predict(mod_fit, newdata=SBank)
以下是我评估模型的方法:
confusionMatrix(data=pred, SBank$class_label)
如何从测试数据集中提取准确度,灵敏度和特异性指标,以便创建箱图?我不需要从混淆矩阵输出的汇总度量标准,我需要这些度量的数据集,我可以用图形表示。