使用confusionMatrix计算精确度，召回率和F分数

Question

我们开发了一种算法，该算法可从加速度计数据中检测出每台阻力训练机的重复次数。人们每台机器总是执行10次重复2次。

  

n人x 10次重复x 2组=执行的重复总数。

现在，我想用precision包中的recall计算f-score，confusionMatrix和caret。

我制作了一个xlsx文件，其中两行分别代表真实的（上一行）和算法预测的重复次数（下一行），如图所示：

我编写了以下代码：

reps_prec_phone1<- read.xlsx("Reps_for_Precision_Recall_FSCORE.xlsx", sheet =  "2Vec_Phone1", startRow = 0, colNames = FALSE) 
reps_prec_pred_phone1<-as.factor(reps_prec_phone1[1,])
reps_prec_real_Phone1<-as.factor(reps_prec_phone1[2,])

result_phone1 <- confusionMatrix(reps_prec_pred_phone1, reps_prec_real_Phone1, mode="prec_recall")

结果如下：

如您在confusionMatrix中所见，计数了385组（一组由10个重复组成），而不是3850个重复。现在，我想知道，从方法上讲，我该如何获得confusionMatrix来计算重复次数而不是集合数。

就我而言，错误率是1-Accuracy = 2.5%。 1套包含10个重复。由于设置与重复的关系是10的因数，因此我可以简单地将错误率除以10，然后重新计算精度1-0.0025 = 0.9975。但是，

• 有人知道如何使用confusionMatrix解决此问题吗？

提前感谢您的脑力和经验！

Answer 1

有一个理论上的错误。

建立一个混淆矩阵，以比较具有预测值的观察结果，R将数据转换为因子，然后将值{10,11}解释为该因子的水平而不是数值，则R计算平局。简而言之，您对什么是混淆矩阵有一个错误的认识。

此外，任何模型都将执行偏差预测，因为总的来说，您的数据非常不平衡，没有什么可预测的。

那么，您就不会遇到编程问题，这是理论上的问题。访问Stack Exchange清除您的想法。

Visit me!