如何将 tibble 传递给 caret::confusionmatrix()？答案

【问题标题】：how to pass a tibble to caret::confusionmatrix()?如何将 tibble 传递给 caret::confusionmatrix()？
【发布时间】：2018-11-16 08:45:30
【问题描述】：

考虑这个简单的例子：

data_frame(truth = c(1,1,0,0),
           prediction = c(1,0,1,0),
           n_obs = c(100,10,90,50))
# A tibble: 4 x 3
  truth prediction n_obs
  <dbl>      <dbl> <dbl>
1     1          1   100
2     1          0    10
3     0          1    90
4     0          0    50

我想将这个tibble 传递给caret::confusionMatrix，这样我就可以同时获得我需要的所有指标（accuracy、recall 等）。

如您所见，tibble 包含计算性能统计信息所需的所有信息。例如，您可以看到在测试数据集中（此处未提供），有 100 个观察值，其中预测标签 1 与真实标签 1 匹配。然而，预测值为1 的90 观察结果实际上是误报。

我不想手动计算所有指标，我想求助于caret::confusionMatrix()

然而，事实证明这非常困难。在上面的tibble 上调用confusionMatrix(.) 不起作用。这里有什么解决办法吗？

谢谢！

【问题讨论】：

到目前为止您尝试过什么？因为你需要其他参数才能使用caret::confusionMatrix
您的表不可用。你怎么知道你有多少预测为 1 和 0？看看当你使用 'xtabs(n_obs ~ . , df)' 时会发生什么。
伙计们...该表为您提供了每个类别中有多少观察值。例如，测试数据集中有 100 个观察值，其中 predicted 值 1 匹配 label 值 1
本质上，这张表包含了我们需要让confusionMatrix() 工作的所有信息。但我无法这样做。也许通过事先转换成table？（插入符号接受它作为输入）。出现这个问题是因为表直接来自Spark
使用你的逻辑真理和预测是完全一样的，你也有 100 和 90 的预测 1.a.k.a 什么 xtabs 显示。你的模型达到了 100% 的准确率？

标签： r dplyr r-caret confusion-matrix yardstick

【解决方案1】：

您可以使用以下内容。您必须将正类设置为 1，否则 0 将被视为正类。

confusionMatrix(xtabs(n_obs ~ prediction + truth , df), positive = "1")

Confusion Matrix and Statistics

          truth
prediction   0   1
         0  50  10
         1  90 100

               Accuracy : 0.6             
                 95% CI : (0.5364, 0.6612)
    No Information Rate : 0.56            
    P-Value [Acc > NIR] : 0.1128          

                  Kappa : 0.247           
 Mcnemar's Test P-Value : 2.789e-15       

            Sensitivity : 0.9091          
            Specificity : 0.3571          
         Pos Pred Value : 0.5263          
         Neg Pred Value : 0.8333          
             Prevalence : 0.4400          
         Detection Rate : 0.4000          
   Detection Prevalence : 0.7600          
      Balanced Accuracy : 0.6331          

       'Positive' Class : 1

【讨论】：

非常高效。 xtabs这里是救生员
@ℕʘʘḆḽḘ，是的，基本函数仍然有用:-)