R语言中的混淆矩阵（Confusion Matrix）是用于评估多分类模型性能的重要工具

R语言中的混淆矩阵（Confusion Matrix）是用于评估多分类模型性能的重要工具。混淆矩阵可以显示模型对每个类别的分类结果，帮助我们了解模型的准确性、召回率、精确率等指标。本文将介绍如何使用R语言中的caret包中的confusionMatrix函数来生成多分类混淆矩阵，并提供相应的源代码示例。

首先，我们需要安装并加载caret包。可以使用以下命令进行安装：

install.packages("caret")
library(caret)

接下来，我们需要准备一个多分类模型并进行预测。这里我们以鸢尾花数据集（Iris dataset）为例，使用支持向量机（Support Vector Machine，SVM）进行分类。

# 加载鸢尾花数据集
data(iris)

# 划分训练集和测试集
set.seed(123)
trainIndex <- createDataPartition(iris$Species, p = 0.8, list = FALSE)
trainData <- iris[trainIndex, ]
testData <- iris[-trainIndex, ]

# 构建SVM模型
model <- train(Species ~ ., data = trainData, method = "svmRadial")

# 在测试集上进行预测
predictions <- predict(model, newdata =