使用R语言中的caret包进行多分类混淆矩阵输出

使用R语言中的caret包进行多分类混淆矩阵输出

混淆矩阵是机器学习和分类问题中常用的评估指标，它可以展示模型的预测结果与真实标签之间的差异。在R语言中，我们可以使用caret包的confusionMatrix函数来生成多分类混淆矩阵。

首先，我们需要安装和加载caret包，以及准备我们的数据。在这个示例中，假设我们有一个具有4个类别的多分类问题，并且已经拟合了一个模型来进行预测。

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

# 准备数据和模型
data <- iris
model <- train(Species ~ ., data = data, method = "svm")
predictions <- predict(model, data)

现在，我们可以使用confusionMatrix函数来计算多分类混淆矩阵。

# 计算混淆矩阵
cm <- confusionMatrix(predictions, data$Species)
print(cm)

输出结果将包括混淆矩阵的各种统计指标，例如准确率、灵敏度、特异度等。此外，还会显示每个类别的预测结果和真实结果的对应关系。

下面是一个示例输出：

Confusion Matrix and Statistics

            Reference
Prediction   setosa versicol