我一生无法弄清楚如何在rpart上计算混淆矩阵。
这是我所做的:
set.seed(12345)
UBANK_rand <- UBank[order(runif(1000)), ]
UBank_train <- UBank_rand[1:900, ]
UBank_test <- UBank_rand[901:1000, ]
dim(UBank_train)
dim(UBank_test)
#Build the formula for the Decision Tree
UB_tree <- Personal.Loan ~ Experience + Age+ Income +ZIP.Code + Family + CCAvg + Education
#Building the Decision Tree from Test Data
UB_rpart <- rpart(UB_tree, data=UBank_train)
现在,我想我会做类似的事情
table(predict(UB_rpart, UBank_test, UBank_Test$Default))
但这并没有给我一个混乱的矩阵。
最佳答案
您没有提供可复制的示例,所以我将创建一个综合数据集:
set.seed(144)
df = data.frame(outcome = as.factor(sample(c(0, 1), 100, replace=T)),
x = rnorm(100))
具有
predict
的rpart
模型的type="class"
函数将为每个观察值返回预测的类。library(rpart)
mod = rpart(outcome ~ x, data=df)
pred = predict(mod, type="class")
table(pred)
# pred
# 0 1
# 51 49
最后,您可以通过在预测和真实结果之间运行
table
来构建混淆矩阵:table(pred, df$outcome)
# pred 0 1
# 0 36 15
# 1 14 35