R语言中的回忆（Recall）指标

R语言中的回忆（Recall）指标

回忆（Recall）是在机器学习中常用的性能指标之一。它用于评估分类模型在识别正例（Positive）样本时的准确性。回忆关注的是所有真实正例中，模型能够正确识别出多少个。

在R语言中，我们可以使用不同的函数和库来计算回忆指标。下面将介绍一些常见的方法，并提供相应的源代码。

1. 使用caret包
   caret包是R中一个非常常用的机器学习工具包，它提供了一系列函数和方法来进行模型训练和评估。

首先，在计算回忆前，我们需要先建立一个分类模型。这里以随机森林（Random Forest）为例：

library(caret)

# 准备数据
data <- your_data  # 替换成你的数据集
trainIndex <- createDataPartition(data$label, p = 0.8, list = FALSE)
trainData <- data[trainIndex, ]
testData <- data[-trainIndex, ]

# 建立模型
model <- train(label ~ ., data = trainData, method = "rf")

# 预测
predictions <- predict(model, testData)

# 计算回忆
recall <- confusionMatrix(predictions, testData$label)$byClass["Recall"]

<