【发布时间】：2019-06-11 22:44:55
【问题描述】：
我正在尝试访问跨多个分类器的总体准确度（或混淆矩阵），但似乎无法找到报告此问题的方法。
已经试过了：
confusionMatrix(fits_predicts,reference=(mnist_27$test$y))
表中的错误（数据，参考，dnn = dnn，...）：所有参数 长度必须相同
library(caret)
library(dslabs)
set.seed(1)
data("mnist_27")
models <- c("glm", "lda", "naive_bayes", "svmLinear",
"gamboost", "gamLoess", "qda",
"knn", "kknn", "loclda", "gam",
"rf", "ranger", "wsrf", "Rborist",
"avNNet", "mlp", "monmlp",
"adaboost", "gbm",
"svmRadial", "svmRadialCost", "svmRadialSigma")
fits <- lapply(models, function(model){
print(model)
train(y ~ ., method = model, data = mnist_27$train)
})
names(fits) <- models
fits_predicts <- sapply(fits, function(fits){ predict(fits,mnist_27$test)
})
我想报告不同模型的混淆矩阵。
【问题讨论】：
-
你好像没有合奏，只是一堆模特……
-
在我看来，这个问题是不完整的，因为它是一个集合，但它缺乏投票系统，多数票决定最终模型。
标签： r machine-learning r-caret confusion-matrix ensemble-learning