R语言中的混淆矩阵是评估多分类模型性能的重要工具

R语言中的混淆矩阵是评估多分类模型性能的重要工具。混淆矩阵提供了模型预测结果与真实标签之间的对应关系。在R中，我们可以使用caret包中的confusionMatrix()函数来生成多分类混淆矩阵。本文将介绍如何使用该函数，并提供相应的源代码示例。

首先，我们需要安装并加载caret包。如果你还没有安装该包，可以使用以下代码进行安装：

install.packages("caret")

安装完成后，加载caret包：

library(caret)

接下来，我们需要准备好模型的预测结果和真实标签。假设我们有一个包含预测结果的向量predictions和一个包含真实标签的向量true_labels，它们的长度相同。

# 模型预测结果
predictions <- c("A", "B", "C", "A", "B", "B", "C", "C", "C", "A")

# 真实标签
true_labels <- c("A", "B", "C", "A", "B", "B", "A", "C", "C", "C")

接下来，我们可以使用confusionMatrix()函数生成混淆矩阵。