根据R中的混淆矩阵识别具有错误类别的对象

Question

也许我搜索了错误的关键字以找到解决此问题的方法，但到目前为止我还没有在网上找到答案。

情况：我已经使用 CARET 包在 R 中训练了一个逻辑回归模型，该模型具有正则化，用于二类分类。然后，我使用该模型预测了我的训练和验证集的类别，以接收混淆矩阵并衡量模型的性能。

问题：现在我想根据我的模型识别具有错误类的对象。因此，那些在实际上属于“否”类时被预测为“是”的那些，在混淆矩阵中反之亦然。我想这样做来检查对象，以改进或更改功能以获得更好的模型。我想知道的是它们在数据框中的位置。

我的相关代码：

set.seed(1)
datapart <- createDataPartition(m$class, p = .85, list = FALSE)
train <- m[datapart ,]
validation <- m[-datapart ,]

library(glmnet)
set.seed(1)
glmnetcontrol <- trainControl(method="repeatedcv", number=10, repeats=3, classProbs = TRUE, summaryFunction = twoClassSummary, search = "random")
glmnet <- train(class~., data=train, method="glmnet", trControl = glmnetcontrol, metric="ROC")

predict_validation <- predict(glmnet, validation, type="raw")
predict_train <- predict(glmnet, train, type="raw")

quality_glmnet_valid <- confusionMatrix(predict_validation , validation$class)
quality_glmnet_train <- confusionMatrix(predict_train , train$class)

Answer 1

由于您的预测是原始概率，因此您需要将它们作为一个类。以下>=0.5 条件检查是将它们转换为TRUE 或FALSE。如果您希望它是 1 或 0（假设您的 class 变量是 1 或 0 的二进制因子），那么您可以简单地为您的预测和真实类标签不同意的行设置子集彼此。

`validation[as.numeric(validation$class) != as.numeric(predict_train >= 0.5), ]`

因为您没有发布数据，所以我必须对您的数据的结构或格式做出一些假设。您可以调整代码以获取存在错误预测的行（如果它们不是数字 0 或 1，请发表评论并让我知道或发布示例）。