【发布时间】：2015-12-09 09:57:36
【问题描述】：
我有一个决策树（但这个问题对于任何其他估计模型都是通用的）。
models[[1]]<- J48(NSP~., data=training)
我想看看模型对测试数据有多好：
pred <- predict(models[[1]], testing)
我想获得模型 [[1]] 与实际估计的正确估计数（在测试的 NSP 列中）。我该怎么做？
有没有其他方法可以估计我的模型（models[[1]]）有多好或它与数据的拟合程度如何？
【问题讨论】：
-
这实际上是一个统计问题，用于交叉验证吗？还是只是关于编程？
-
这是关于编程方面的。实际实现。
-
最好看看你的树是分类树还是回归树。换句话说，如果您的 NSP 是分类的（可能是二进制的）或连续的/规模的。如果它是二元的，那么您需要了解如何使用混淆矩阵（只是交叉表）以及如何绘制和解释 ROC 曲线。这些会很有帮助：stats.stackexchange.com/questions/171915/… 和 stackoverflow.com/questions/32292905/…
-
非常感谢 AntoniosK！ NSP 是分类的，它可以有 3 个可能的值：1、2 和 3。