分类模型评估指标与R语言实现

分类模型评估指标与R语言实现

在机器学习中，评估分类模型的性能是非常重要的，因为它可以帮助我们了解模型的准确性和可靠性。本文将介绍一些常用的分类模型评估指标，并使用R语言提供相应的代码示例。

1. 准确率（Accuracy）：
   准确率是分类模型最常用的评估指标之一，它表示模型正确预测的样本数占总样本数的比例。在R语言中，可以使用"caret"包中的"confusionMatrix"函数计算准确率。

# 导入包
library(caret)

# 创建真实标签和预测标签
true_labels <- c(0, 1, 1, 0, 1)
predicted_labels <- c(0, 1, 0, 0, 1)

# 计算准确率
accuracy <- confusionMatrix(predicted_labels, true_labels)$overall["Accuracy"]
print(paste("准确率:", accuracy))

2. 精确率（Precision）：
   精确率表示模型预测为正类的样本中，真正为正类的比例。在R语言中，可以使用"caret"包中的"confusionMatrix"函数计算精确率。

# 导入包
library(caret)

# 创建真实标签和预测标签
true_labels <- c(0, 1, 1, 0, 1)
predicted_labels <- c(0, 1, 0, 0, 1)

# 计算