R中的KNN混淆矩阵？答案

【问题标题】：Confusion matrix with KNN in R?R中的KNN混淆矩阵？
【发布时间】：2022-01-05 21:10:40
【问题描述】：

如何生成混淆矩阵以查看 R 中 KNN 模型的准确率、召回率和 F 分数？这是我的 KNN 模型的 R 代码：

nn <- knn(train = train.norm.df[, 1:14], test = new.norm.df, cl = train.norm.df[, 3], k = 3)

如何在混淆矩阵中显示此模型 nn？

降价文件：https://rpubs.com/evanmullen36/840780

【问题讨论】：

标签： r machine-learning knn confusion-matrix

【解决方案1】：

这是您尝试使用 R 中包含的 iris 数据集执行的操作的示例。首先，我们需要训练和测试数据子集：

library(class)
data(iris)

set.seed(42)
idx <- seq(nrow(iris))
train <- unname(unlist(tapply(idx, iris$Species, sample, size=25)))
train <- sort(train)
test <- idx[!idx %in% train]

现在你可以使用最近邻函数了：

predict <- knn(iris[train, 1:4], iris[test, 1:4], iris$Species[train])
(conftbl <- table(Species=iris$Species[test], Predict=predict))
#             Predict
# Species      setosa versicolor virginica
#   setosa         25          0         0
#   versicolor      0         25         0
#   virginica       0          2        23

Correct <- sum(diag(conftbl))/sum(conftbl) * 100
cat("Percent Correct = ", round(Correct, 2))
# Percent Correct =  97.33

请注意，在您的示例中，您在 train= 和 cl= 参数中都包含了一个列（第 3 列在两者中）。这意味着您使用类成员资格来预测循环的类成员资格。如果第 3 列是班级成员，您应该使用 train = train.norm.df[, c(1:2, 4:14)] 和 test = new.norm.df[, c(1:2, 4:14)]。

【讨论】：

刚刚在您发布此内容时提交了编辑。我分享了我的 RMarkdown 文件很有帮助。