使用R语言的table函数计算混淆矩阵评估分类模型性能

使用R语言的table函数计算混淆矩阵评估分类模型性能

在机器学习和统计学中，混淆矩阵是一种常用的评估分类模型性能的工具。它能够显示模型在不同类别上的预测结果与实际结果之间的差异。R语言中的table函数可以方便地计算混淆矩阵，并提供了对模型性能进行评估的基本指标。

首先，我们需要明确的是，混淆矩阵是在已经得到模型预测结果和实际标签的情况下进行计算的。假设我们有一个二分类模型，预测结果用0和1表示，实际标签同样用0和1表示。

下面是一个示例数据集，其中包含了模型的预测结果和实际标签：

# 模型预测结果
predictions <- c(1, 0, 1, 1, 0, 1, 0, 1, 1, 0)
# 实际标签
labels <- c(1, 0, 1, 0, 1, 0, 1, 0, 0, 1)

接下来，我们可以使用table函数计算混淆矩阵，并获取评估模型性能的指标。

# 计算混淆矩阵
confusion_matrix <- table(predictions, labels)
print(confusion_matrix)

运行上述代码后，将会得到如下的混淆矩阵：

         labels
predictions 0 1
         0 2 2
         1 2 4

混淆矩阵的行表示模型的预测结果，列表示实际标签。例如，在上述混淆矩阵中，模型将2个样本预测为0且实际标签也是0，将2个样本