随机森林输出的敏感性/特异性答案

【问题标题】：Sensitivity/Specificity in Random Forest output随机森林输出的敏感性/特异性
【发布时间】：2021-09-18 04:51:09
【问题描述】：

我在 R 中创建了一个随机森林模型。我的结果变量是“保留”，其中 1=retained 和 0=left，我在实际数据中遇到了案例不平衡的问题（0 比 1 多），这已在我的训练数据集的混淆矩阵中显示。根据我的手动计算，Sensitivity 应该是 0.05，Specificity 应该是 0.67，这和 case 不平衡问题是一致的。但是，输出中的数字完全不同。以下是控制台中的代码和输出（rf 是我的随机森林模型）：

retain_p <- rf %>% 
  predict(newdata = testing)

table(
  actualclass = testing$retain,
  predictedclass = retain_p
) %>% 
  confusionMatrix() %>% 
  print()

Confusion Matrix and Statistics

           predictedclass
actualclass    0    1
          0 1870   36
          1  911   47
                                          
               Accuracy : 0.6693          
                 95% CI : (0.6518, 0.6866)
    No Information Rate : 0.971           
    P-Value [Acc > NIR] : 1               
                                          
                  Kappa : 0.039           
                                          
 Mcnemar's Test P-Value : <2e-16          
                                          
            Sensitivity : 0.67242         
            Specificity : 0.56627         
         Pos Pred Value : 0.98111         
         Neg Pred Value : 0.04906         
             Prevalence : 0.97102         
         Detection Rate : 0.65293         
   Detection Prevalence : 0.66550         
      Balanced Accuracy : 0.61934         
                                          
       'Positive' Class : 0

【问题讨论】：

标签： r random-forest

【解决方案1】：

在confusionMatrix命令中，你必须指定什么值进入“正”。

retain_p <- rf %>% 
  predict(newdata = testing)

table(
  actualclass = testing$retain,
  predictedclass = retain_p
) %>% 
  confusionMatrix(positive='1') %>% 
  print()

【讨论】：