Question

以下数据框是我的全部数据集的示例：

A    B   C    D    E    target
0.2 0.5 0.6 -0.5   -0.7   1
0.9 0.7 0.4 -0.3   -0.8   0  
0.1 0.3 0.5 -0.9   -0.2   0
0.2 0.5 0.6 -0.5   -0.6   1

我想在其上应用分类树，因此我使用了以下代码：

data$target<-factor(data$target)

# Create Training Data
train.ind <- sample(nrow(data), 0.7*nrow(data))
trainData<-data[train.ind,]
testData<-data[-train.ind,]    

library("rpart")
tree <- rpart(target ~.,data=trainData)

ypred=predict(tree,testData)

    library(caret)
    #Print a confusion matrix
    result <- confusionMatrix(ypred,testData$target)

错误：data和reference应该是具有相同水平的因子。

   precision <- result$byClass['Pos Pred Value']    
    recall <- result$byClass['Sensitivity']
    f_measure <- 2 * ((precision * recall) / (precision + recall))
    #OR
    f_measure <-result$byClass['F1']

但是没有用。我需要精度，召回率和F1值，但我不知道如何使用“ rpart”包结果进行计算。

Answer 1

函数confusionMatrix带有两个自变量（data和reference），它们必须是具有相同级别的因子。对于您的代码，情况并非如此，因为在给定predict对象的情况下，rpart函数将返回一个矩阵，该矩阵默认具有每个样本的类成员资格的概率。您需要为此函数指定想要一个预测类的向量，并将该向量转换为与target（0和1）相同级别的因子。

这应该可以解决问题：

ypred <- factor(predict(tree, testData[, -6], type="vector"),
                levels = levels(testData$target))
library(caret)
confusionMatrix(ypred, testData$target)

使用factor(..., levels = levels(testData$target))可确保两个因素中的水平处于同一顺序，以避免出现以下警告：

警告消息：在confusionMatrix.default（ypred，testData $ target）中：级别的参考和数据顺序不同。重构数据进行匹配。

计算rpart软件包结果的精度，召回率，F1值

1 个答案: