R语言中的confusionMatrix函数用于输出多分类问题的混淆矩阵

R语言中的confusionMatrix函数用于输出多分类问题的混淆矩阵。混淆矩阵是一种用于评估分类模型性能的常见工具，它展示了模型预测结果与真实标签之间的差异。在本文中，我们将介绍如何使用confusionMatrix函数生成多分类混淆矩阵，并提供相应的源代码示例。

在开始之前，我们假设您已经安装了R语言和所需的包。首先，我们需要导入所需的包，包括caret和e1071。

library(caret)
library(e1071)

接下来，我们将创建一个示例数据集来演示如何生成混淆矩阵。假设我们有一个具有四个类别（“类别A”、“类别B”、“类别C"和"类别D”）的多分类问题。我们随机生成一些预测结果和真实标签。

# 创建示例数据
set.seed(123)
predicted <- sample(c("类别A", "类别B", "类别C", "类别D"), 100, replace = TRUE)
actual <- sample(c("类别A", "类别B", "类别C", "类别D"), 100, replace = TRUE)

现在我们有了预测结果和真实标签，我们可以使用confusionMatrix函数来生成混淆矩阵。

# 生成混淆矩阵
cm <- confusionMatrix(predicted, actual)
</