【发布时间】：2026-02-04 23:35:02
【问题描述】：
我正在浏览 R 的 bartMachine 小插图，最后，它有一个使用 bartMachine 解决分类问题的示例。这是使用 MASS 包中的 Pima.te 数据集。当尝试使用 bartMachine 预测“类型”时（仅遵循小插图），通过将我的结果与小插图的结果进行比较，看起来我的混淆矩阵被错误地标记了。我的错误率非常高 - 非对角线中的数字看起来非常像小插图的真正数和真负数。其他人可以证实这一点吗？
options(java.parameters = "-Xmx5g")
library(bartMachine)
set_bart_machine_num_cores(4)
data("Pima.te",package = "MASS")
X <- data.frame(Pima.te[,-8])
y <- Pima.te[,8]
bart_machine_cv <- bartMachineCV(X,y)
bart_machine_cv
【问题讨论】：
-
欢迎来到 *。请阅读 (1) how do I ask a good question, (2) How to create a MCVE 以及 (3) how to provide a minimal reproducible example in R。然后相应地编辑和改进您的问题。即，提供输入数据以及您尝试了哪些代码行（包括加载所需的包）。
标签： r error-handling modeling