在e1071中为CV结果生成svm混淆矩阵
提问于 2018-01-22 02:32:36
我使用svm使用e1071进行了分类。目标是通过type中的所有其他变量来预测dtm。
dtm[140:145] %>% str()
'data.frame': 385 obs. of 6 variables:
$ think : num 0 0 0 0 0 0 0 0 0 0 ...
$ actually: num 0 0 0 0 0 0 0 0 0 0 ...
$ comes : num 0 0 0 0 0 0 0 0 0 0 ...
$ able : num 0 0 0 0 0 0 0 0 0 0 ...
$ hours : num 0 0 0 0 0 0 0 0 0 0 ...
$ type : Factor w/ 4 levels "-1","0","1","9": 4 3 3 3 4 1 4 4 4 3 ...为了训练/测试模型，我使用了10倍交叉验证。
model <- svm(type~., dtm, cross = 10, gamma = 0.5, cost = 1)
summary(model)
Call:
svm(formula = type ~ ., data = dtm, cross = 10, gamma = 0.5, cost = 1)
Parameters:
SVM-Type: C-classification
SVM-Kernel: radial
cost: 1
gamma: 0.5
Number of Support Vectors: 385
( 193 134 41 17 )
Number of Classes: 4
Levels:
-1 0 1 9
10-fold cross-validation on training data:
Total Accuracy: 50.12987
Single Accuracies:
52.63158 51.28205 52.63158 43.58974 60.52632 43.58974 57.89474 48.71795
39.47368 51.28205 我的问题是如何为结果生成一个混乱的矩阵？要得到矩阵，我必须将model的哪些列放入table()或confusionMatrix()中？
回答 2
Stack Overflow用户
回答已采纳
发布于 2018-01-22 03:01:36
据我所知，在进行交叉验证时，没有方法可以访问库e1071中的折叠预测。
一个简单的方法是：
一些数据：
library(e1071)
library(mlbench)
data(Sonar)生成褶皱：
k <- 10
folds <- sample(rep(1:k, length.out = nrow(Sonar)), nrow(Sonar))运行模型：
z <- lapply(1:k, function(x){
model <- svm(Class~., Sonar[folds != x, ], gamma = 0.5, cost = 1, probability = T)
pred <- predict(model, Sonar[folds == x, ])
true <- Sonar$Class[folds == x]
return(data.frame(pred = pred, true = true))
})要为所有遗漏的样本生成混淆矩阵：
z1 <- do.call(rbind, z)
caret::confusionMatrix(z1$pred, z1$true)为每个人生成：
lapply(z, function(x){
caret::confusionMatrix(x$pred, x$true)
})为了重现性，在折叠创建之前设置种子。
通常，如果您这样做，通常会选择更高级别的库，如mlr或插入符号。
Stack Overflow用户
发布于 2018-01-22 02:44:37
假设您希望从名为dtm的dataset中创建一个预测和实际值的混淆矩阵，其中目标变量被称为type。首先，您必须使用以下方法根据模型预测值：
prediction <- predict(model, dtm)
然后，您可以使用代码创建混淆矩阵：
library(caret)
confusionMatrix(prediction, dtm$type, dnn = c("Prediction", "Reference"))希望一切都足够清楚。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/48379502
复制
腾讯云开发者
