输出多分类混淆矩阵（R语言）

输出多分类混淆矩阵（R语言）

混淆矩阵是评估分类模型性能的常用工具，它可以显示模型在不同类别上的预测结果与实际结果之间的差异。在R语言中，我们可以使用一些函数来计算和输出多分类混淆矩阵。本文将介绍如何使用R语言来实现这一功能，并附上相应的源代码。

首先，我们需要加载一些必要的包，如下所示：

library(caret)
library(e1071)

接下来，我们需要准备一个多分类的数据集。这里我们以鸢尾花数据集（iris）为例。首先，加载数据集并将其分为训练集和测试集：

data(iris)
set.seed(123)
trainIndex <- createDataPartition(iris$Species, p = 0.8, list = FALSE)
trainData <- iris[trainIndex, ]
testData <- iris[-trainIndex, ]

在这个例子中，我们将80%的数据作为训练集，20%的数据作为测试集。

接下来，我们使用训练集来训练一个分类模型。这里我们选择支持向量机（Support Vector Machine，SVM）作为分类器：

model <- svm(Species ~ ., data = trainData)

训练完成后，我们可以使用测试集来进行预测，并将预测结果与实际结果进行比较。下面是