R语言中的confusionMatrix函数用于输出多分类任务的混淆矩阵

R语言中的confusionMatrix函数用于输出多分类任务的混淆矩阵。混淆矩阵是评估分类模型性能的一种常用工具，它显示了模型在各个类别上的分类结果与真实标签之间的关系。本文将介绍如何使用R语言的confusionMatrix函数，并提供相应的源代码示例。

首先，确保已经安装并加载了"caret"包，该包提供了confusionMatrix函数的实现。可以使用以下命令安装并加载"caret"包：

install.packages("caret")  # 安装"caret"包
library(caret)             # 加载"caret"包

接下来，假设我们有一个多分类模型，并且已经获得了一组预测结果和相应的真实标签。我们将使用这些数据来生成混淆矩阵。以下是一个示例数据集：

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

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

现在，我们可以使用confusionMatrix函数来计算混淆矩阵。以下是相应的代码：

# 计算混淆矩阵
cm <- confusionMatrix(predictions, labels)

# 输出混淆矩阵
print(cm)

运行以上