r语言预测值和真实值如何做table展示

TJ统计

于 2017-03-02 18:47:45 发布

阅读量9k

点赞数

CC 4.0 BY-SA版权

分类专栏： r语言文章标签： r语言预测分类树 logistic回归分析决策树

本文链接：https://blog.youkuaiyun.com/li603060971/article/details/59614358

r语言专栏收录该内容

7 篇文章

订阅专栏

本文介绍如何使用R语言通过Logistic回归和决策树方法进行分类预测，并详细展示了如何评估分类模型的准确性，包括预测结果的转换及百分比正确率的计算。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#分类表，logistic回归分析时
fitt.pi<-fitted(glm.safe1)#同predict(glm.safe1,data.frame(x2=x2),type="resp")
ypred<-1*(fitt.pi>0.5) #1*逻辑变量就变成了0和1变量
ypred
length(ypred)
n<-table(safe$is_run,ypred)
n
Percantage<-c(n[1,1]/sum(n[1,]),n[2,2]/sum(n[2,]))
Percantage

rbind(Category,Percantage)

#预测的好坏，做分类树时
predictScore<-data.frame(pred.tree.both)
rownames(predictScore) #看这个矩阵行的名字
colnames(predictScore)#看这个矩阵列的名字
predictScore$是否转化<-'ok' #在预测的矩阵后面多加一列‘是否转化’2，全部都是2
predictScore[predictScore$FALSE.>predictScore$TRUE.,][,"是否转化"]=FALSE #如果false的概率大于true的概率，那么判断为false
predictScore[predictScore$FALSE.<=predictScore$TRUE.,][,"是否转化"]=TRUE
n<-table(data_test$是否转化,predictScore$是否转化)
n #看分布情况
percantage<-c(n[1,1]/sum(n[1,]),n[2,2]/sum(n[2,]))
percantage