Ich suche diesen Datensatz: https://archive.ics.uci.edu/ml/datasets/Credit+Approval. Ich baute eine ctree:Wie man eine Konfusion Matrix zu Caret's Verwirrung senden Matrix?
myFormula<-class~. # class is a factor of "+" or "-"
ct <- ctree(myFormula, data = train)
Und jetzt würde Ich mag diese Daten in die caret Konfusionsmatrix Methode setzen alle Statistiken mit der Verwirrung Matrix verbunden zu bekommen:
testPred <- predict(ct, newdata = test)
#### This is where I'm doing something wrong ####
confusionMatrix(table(testPred, test$class),positive="+")
#### ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ ####
$positive
[1] "+"
$table
td
testPred - +
- 99 6
+ 20 88
$overall
Accuracy Kappa AccuracyLower AccuracyUpper AccuracyNull AccuracyPValue McnemarPValue
8.779343e-01 7.562715e-01 8.262795e-01 9.186911e-01 5.586854e-01 6.426168e-24 1.078745e-02
$byClass
Sensitivity Specificity Pos Pred Value Neg Pred Value Precision Recall F1
0.9361702 0.8319328 0.8148148 0.9428571 0.8148148 0.9361702 0.8712871
Prevalence Detection Rate Detection Prevalence Balanced Accuracy
0.4413146 0.4131455 0.5070423 0.8840515
$mode
[1] "sens_spec"
$dots
list()
attr(,"class")
[1] "confusionMatrix"
So sensetivity ist:
(von Konfusionsmatrix doc caret)
Wenn nehmen Sie meine Verwirrung Matrix:
$table
td
testPred - +
- 99 6
+ 20 88
Sie können sehen, dass dies nicht summiert: Sensetivity = 99/(99+20) = 99/119 = 0.831928
. In meiner Verwirrung führt Matrix dazu, dass Wert für Spezifität ist. Die Spezifität ist jedoch Specificity = D/(B+D) = 88/(88+6) = 88/94 = 0.9361702
, der Wert für die Empfindlichkeit.
Ich habe dieses confusionMatrix(td,testPred, positive="+")
versucht, aber noch seltsamere Ergebnisse bekommen. Was mache ich falsch?
UPDATE: Ich erkannte auch, dass meine Verwirrung Matrix als unterschiedlich ist, was caret dachte, es war: Positive und falsch negative sind rückwärts
Mine: Caret:
td testPred
testPred - + td - +
- 99 6 - 99 20
+ 20 88 + 6 88
Wie Sie sehen können, ist es mein Falsch denkt.