使用循环在 R 中创建多个混淆矩阵

Question

我正在尝试从一个数据帧创建多个混淆矩阵，每个矩阵都是根据数据帧中的不同条件生成的。

所以对于下面的数据框，我想要一个混淆矩阵，用于何时 Value = 1、Value = 2、Value =3

  observed predicted Value
       1      1      1
       0      1      1
       1      0      2
       0      0      2
       1      1      3
       0      0      3

并查看如下结果：

Value  Sensitivity  Specificity  PPV  NPV
1        .96            .71      .84  .95
2        .89            .63      .30  .45     
3        .88            .95      .28  .80

这是我尝试使用可重现的示例。我正在尝试编写一个循环来查看每一行，确定是否Age = 1，然后从预测列和观察列中提取值以生成混淆矩阵。然后我手动从混淆矩阵中提取值以写出 sen、spec、ppv 和 npv，并尝试将所有矩阵组合在一起。然后循环再次以Age = 2 开始。

data(scat)
df<-scat %>% transmute(observed=ifelse(Site=="YOLA","case", "control"), predicted=ifelse(Location=="edge","case", "control"),Age)

x<-1 #evaluate at ages 1 through 5
for (i in dim(df)[1]) { #for every row in df
  while(x<6) { #loop stops at Age=5
    if(x=df$Age) {
      q<-confusionMatrix(data = df$predicted, reference = df$observed, positive = "case")
      sensitivity = q$table[1,1]/(q$table[1,1]+q$table[2,1])
      specificity = q$table[2,2]/(q$table[2,2]+q$table[1,2])
      ppv = q$table[1,1]/(q$table[1,1]+q$table[1,2])
      npv = q$table[2,2]/(q$table[2,2]+q$table[2,1])
      matrix(c(sensitivity, specificity, ppv, npv),ncol=4,byrow=TRUE)
    }
  }
  x <- x + 1 #confusion matrix at next Age value
}

final<- rbind(matrix) #combine all the matrices together

但是，此循环完全不起作用。我不确定错误在哪里。

Answer 1

您的代码可以被简化，并且可以像这样实现所需的输出：

library(caret)
library(dplyr)

data(scat)

df <- scat %>% 
  transmute(observed = factor(ifelse(Site == "YOLA","case", "control")), 
            predicted = factor(ifelse(Location == "edge","case", "control")),
            Age)

final <- t(sapply(sort(unique(df$Age)), function(i) { 
  
  q <- confusionMatrix(data      = df$predicted[df$Age == i],
                       reference = df$observed[df$Age == i], 
                       positive  = "case")$table
  
  c(sensitivity = q[1, 1] / (q[1, 1] + q[2, 1]),
    specificity = q[2, 2] / (q[2, 2] + q[1, 2]),
    ppv         = q[1, 1] / (q[1, 1] + q[1, 2]),
    npv         = q[2, 2] / (q[2, 2] + q[2, 1]))
}))

导致

final
#>      sensitivity specificity        ppv       npv
#> [1,]         0.0   0.5625000 0.00000000 0.8181818
#> [2,]         0.0   1.0000000        NaN 0.8000000
#> [3,]         0.2   0.5882353 0.06666667 0.8333333
#> [4,]         0.0   0.6923077 0.00000000 0.6923077
#> [5,]         0.5   0.6400000 0.25000000 0.8421053

---

但是，很高兴知道为什么您自己的代码不起作用，所以这里有一些可能有用的问题需要考虑：

1. confusionMatrix 需要因子列而不是字符列
2. 您在 df 的行中递增，但您需要对每个唯一年龄进行一次迭代，而不是数据框中的每一行。
3. 增加x 的行发生在while 循环之外，因此x 永远不会增加，循环也永远不会终止，因此控制台会挂起。
4. 您正在使用if(x = df$Age)，但您需要== 来测试相等性。
5. 无论如何，比较 x 和 df$Age 是没有意义的，因为 x 的长度是 1 而 df$Age 是一个长向量。
6. 您每次都执行q$table 会导致不必要的重复。您只需使 q 等于 q$table 即可使您的代码更具可读性且不易出错。
7. 您在循环结束时调用matrix，但您没有将其存储在任何地方，因此整个循环实际上并没有做任何事情。
8. 您正在尝试在最后一行中 rbind 一个名为 matrix 的对象，该对象不存在
9. 数学运算符、逗号和变量之间缺少空格会降低代码的可读性和调试难度。我不只是把这作为一个风格点说；这是我在 SO 上经常看到的主要错误来源。