错误：`data` 和 `reference` 应该是相同级别的因素。使用confusionMatrix（插入符号）答案

【问题标题】：Error: `data` and `reference` should be factors with the same levels. Using confusionMatrix (caret)错误：`data` 和 `reference` 应该是相同级别的因素。使用confusionMatrix（插入符号）
【发布时间】：2019-06-20 00:53:44
【问题描述】：

使用caret 包中的confusionMatrix() 函数时出现错误。为了重现该示例，我使用了 mlbench 包中的 Sonar 数据集。

library(mlbench)
data(Sonar)

rows <- sample(nrow(Sonar))
Sonar <- Sonar[rows, ]


split <- round(nrow(Sonar) * 0.6)
adiestramiento <- Sonar[1:split, ]
experimental <- Sonar[(split + 1):nrow(Sonar), ]

model <- glm(Class ~ ., family = binomial(link = "logit"), adiestramiento)
p <- predict(model, experimental, type = "response")
p_class <- ifelse(p > 0.5, "M", "R")

library(caret)
confusionMatrix(p_class, experimental[["Class"]])

我在运行confusionMatrix() 时遇到的错误是

错误：data 和 reference 应该是相同级别的因子`

我检查了p_class 和experimental[["Class"]] 具有相同数量的对象 (83)。

知道发生了什么吗？

【问题讨论】：

标签： r r-caret confusion-matrix

【解决方案1】：

问题在于data 或者在这种情况下p_class 必须是一个因素。所以，我们应该使用

confusionMatrix(factor(p_class), experimental[["Class"]])
# Confusion Matrix and Statistics
# 
#           Reference
# Prediction  M  R
#          M 17 20
#          R 33 13
# ...

【讨论】：