r - R Confusion Matrix灵敏度和特异性标签

我正在使用R v3.3.2和Caret 6.0.71(即最新版本)来构造逻辑回归分类器。我正在使用confusionMatrix函数创建用于评估其性能的统计信息。

logRegConfMat

引用0，预测0 = 30

引用1，预测0 = 14

引用0，预测1 = 60

引用1，预测1 = 164

精度:0.7239
灵敏度:0.3333
特异性:0.9213

我的数据(Seen)中的目标值将1表示为true，将0表示为false。我假设混淆矩阵中的“引用”(“事实真相”)列和“谓词”(“分类器”)行遵循相同的约定。因此，我的结果表明:

True Negatives(TN)30

真实肯定(TP)164

假阴性(FN)14

误报(FP)60

问题:为什么灵敏度设为0.3333，特异性设为0.9213？我本来以为是相反的方式-见下文。

我不愿意相信R confusionMatrix函数中存在错误，因为没有任何报道，这似乎是一个重大错误。

有关计算特异性和敏感性的大多数引用文献对它们的定义如下-www.medcalc.org/calc/diagnostic_test.php

灵敏度= TP/(TP + FN)= 164/(164 + 14)= 0.9213

特异性= TN/(FP + TN)= 30/(60 + 30)= 0.3333

最佳答案

根据文档?confusionMatrix:



因此，在您的示例中，肯定的结果将是0，而评估指标将是错误的方法。要覆盖默认行为，可以将参数positive =设置为正确的值，a:

 confusionMatrix(logRegPrediction, valData[,"Seen"], positive = "1")

关于r - R Confusion Matrix灵敏度和特异性标签，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/41442885/