使用R语言计算混淆矩阵

使用R语言计算混淆矩阵

混淆矩阵（Confusion Matrix）是在机器学习和统计学中常用于评估分类模型性能的工具。它可以显示模型预测结果与实际结果之间的差异，帮助我们了解分类模型在不同类别上的表现。在R语言中，我们可以使用一些函数和包来计算和可视化混淆矩阵。下面我们将介绍如何使用R语言计算混淆矩阵，并提供相应的源代码。

在R中，最常用的包之一是"caret"包，它提供了一系列用于分类模型评估的函数。首先，确保已经安装了"caret"包，可以使用以下命令进行安装：

install.packages("caret")

安装完成后，我们可以加载"caret"包并准备数据进行混淆矩阵的计算。这里假设我们已经有了一个分类模型，并且已经预测了一组样本的类别。我们还需要有这组样本的真实类别，以便与模型预测结果进行比较。下面是一个示例数据集，其中包含了真实类别和模型预测的类别：

# 真实类别
actual <- c("A", "B", "A", "B", "A", "B", "A", "A", "B", "B")

# 模型预测的类别
predicted <- c("A", "B", "A", "A", "A", "B", "B", "A", "B", "B")

接下来，我们可以使用"caret"包中的confusionMatrix()函数计算混淆矩阵。该函数需要两个参数：真实类别向量和预测类别向量。下面是计算混淆矩阵的示例代码：