如何通过统计数据获得混淆矩阵？

Question

我使用决策树来预测我的测试集。运行我的代码后，我得到一个包含结果的表，但我想使用 caret 库中的 confusionMatrix() 命令。我尝试了几件事，但都没有奏效。请看我的代码：

library(rpart)
tree <- rpart(train$number ~ ., train, method = "class")
pred <- predict(tree,test, type ="class")
p <- predict(tree, type="class")
# Confusion Matrix
conf <- table(test$number, pred)


> conf
                pred
                 Problem          Reference
  Problem              0            100
  Reference            0           2782

我试图这样做：

p <- predict(tree, type="class")
confusionMatrix(p, entiredata$number)

错误比如data和reference应该是同一个类型，所以我把它都改成了带有as.factors()的因子，那么a参数不是长度相同。我在网上搜索并找到了类似的问题，但它们都没有帮助我。我的最终目标是接收统计数据作为准确性。

Answer 1

library(caret) 
confusionMatrix(p, test$number)

由于您predict 仅针对测试数据，因此您应该仅针对test 数据而不是整个数据集比较预测。