【问题标题】:Balanced Accuracy on a multi class Confusion Matrix returning NA返回 NA 的多类混淆矩阵上的平衡精度
【发布时间】:2021-02-07 13:36:24
【问题描述】:

我正在使用插入符号处理多类混淆矩阵。我能够毫无问题地生成 CM。但是当我尝试获得平衡精度时,它会返回 NA。

             Reference
Prediction    dead onTreatment recovered
  dead           7           5         0
  onTreatment    4         200         6
  recovered      1           8        21

cm$byClass
                   Sensitivity Specificity Pos Pred Value Neg Pred Value Precision    Recall        F1 Prevalence
Class: dead          0.5833333   0.9791667      0.5833333      0.9791667 0.5833333 0.5833333 0.5833333 0.04761905
Class: onTreatment   0.9389671   0.7435897      0.9523810      0.6904762 0.9523810 0.9389671 0.9456265 0.84523810
Class: recovered     0.7777778   0.9600000      0.7000000      0.9729730 0.7000000 0.7777778 0.7368421 0.10714286
                   Detection Rate Detection Prevalence Balanced Accuracy
Class: dead            0.02777778           0.04761905         0.7812500
Class: onTreatment     0.79365079           0.83333333         0.8412784
Class: recovered       0.08333333           0.11904762         0.8688889

cm$byClass["Balanced Accuracy"]
[1] NA

是因为我没有设置积极因素吗? (我认为这对我的情况没有意义)

我应该手动计算吗? (使用所有类的平均值)

【问题讨论】:

  • cm$byClass[["Balanced Accuracy"]]
  • 返回错误:cm$byClass[["Balanced Accuracy"]] 中的错误:下标越界

标签: r data-analysis r-caret confusion-matrix


【解决方案1】:

我不确定为什么它不起作用,所以我通过获取所有类敏感度的平均值来手动计算它。

mean(cm$byClass[,"Sensitivity"])
[1] 0.7809598

泰。

【讨论】:

    猜你喜欢
    • 2023-01-12
    • 2017-04-05
    • 2020-07-20
    • 2021-07-02
    • 1970-01-01
    • 1970-01-01
    • 2020-01-23
    • 2023-03-24
    • 2019-09-28
    相关资源
    最近更新 更多