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。混淆矩阵是一种常用的评估分类模型性能的工具，它可以展示模型预测结果与真实标签之间的差异。在本文中，我们将详细介绍如何使用confusionMatrix函数，并提供相应的源代码示例。

首先，我们需要安装并加载"caret"包，该包提供了confusionMatrix函数的实现。可以使用以下命令安装该包：

install.packages("caret")
library(caret)

接下来，我们准备一个示例数据集来演示confusionMatrix函数的用法。假设我们有一个具有四个类别的分类问题，其中包含100个样本。我们将使用随机生成的预测结果和真实标签来构建混淆矩阵。以下是示例数据集的代码：

# 随机生成预测结果和真实标签
set.seed(123)
predicted <- sample(1:4, 100, replace = TRUE)
actual <- sample(1:4, 100, replace = TRUE)

# 构建混淆矩阵
cm <- confusionMatrix(predicted, actual)

在上述代码中，我们使用sample函数随机生成了100个预测结果和真实标签。参数replace=TRUE表示可