处理没有因变量的测试数据（应用混淆矩阵）

Question

我有这些数据：

training.csv：

A   B   D
22  1   1
32  2   1
34  3   0
44  4   1

testing.csv：

A   B
12  1
33  2
21  3

请注意，测试数据不包含因变量。

我正在尝试应用不同的模型，然后使用混淆矩阵。

但是，因为测试数据不包含因变量（＆＃34; D＆＃34;），我收到的消息是：Error in confusionMatrix.default(X[[i]], ...) : the data cannot have more levels than the reference。

我如何克服这种情况？

如果我尝试为测试数据创建一个空列（填充NA），然后应用混淆矩阵，我再次收到相同的错误。

library(caret)

tr_data <- read.csv("./training.csv", header = TRUE)
t_data <- read.csv("./testing.csv", header = TRUE)

tr_data$D <- as.factor(ifelse(tr_data$D == 1, "yes", "no"))

trctrl <- trainControl(method = "cv", classProbs = TRUE, summaryFunction = mnLogLoss)
rpart_m <- train(D~., data = tr_data, method = "rpart", trControl = trctrl, metric = "logLoss")
rf_m <- train(D~., data = tr_data, method = "glm", trControl = trctrl, metric = "logLoss")

all_models <- list(rf = rf_m, rpart = rpart_m)
pred <- predict(all_models, newdata = t_data)

# Generate confusion matrix for each model
lapply(pred, FUN = confusionMatrix, reference = t_data$D, positive = "yes")