Fehler in Confusion Matrix: die Daten und Referenzfaktoren müssen die gleiche Anzahl von Ebenen haben

Question

Ich habe ein lineares Regressionsmodell mit R Caret trainiert. Ich versuche jetzt eine Konfusionsmatrix zu erzeugen, und halten Sie die folgende Störung zu erhalten:

Fehler in confusionMatrix.default (pred, $ Endprüfung): die Daten und Referenzfaktoren müssen die gleiche Anzahl von Ebenen haben

EnglishMarks <- read.csv("E:/Subject Wise Data/EnglishMarks.csv", 
header=TRUE) 
inTrain<-createDataPartition(y=EnglishMarks$Final,p=0.7,list=FALSE) 
training<-EnglishMarks[inTrain,] 
testing<-EnglishMarks[-inTrain,] 
predictionsTree <- predict(treeFit, testdata) 
confusionMatrix(predictionsTree, testdata$catgeory) 
modFit<-train(Final~UT1+UT2+HalfYearly+UT3+UT4,method="lm",data=training) 
pred<-format(round(predict(modFit,testing)))    
confusionMatrix(pred,testing$Final) 

Der Fehler tritt beim Generieren der Konfusionsmatrix auf. Die Ebenen sind für beide Objekte identisch. Ich kann nicht herausfinden, was das Problem ist. Ihre Struktur und Ebenen sind unten angegeben. Sie sollten gleich sein. Jede Hilfe würde sehr geschätzt werden, da sie mich geknackt !!

> str(pred) 
chr [1:148] "85" "84" "87" "65" "88" "84" "82" "84" "65" "78" "78" "88" "85" 
"86" "77" ... 
> str(testing$Final) 
int [1:148] 88 85 86 70 85 85 79 85 62 77 ... 

> levels(pred) 
NULL 
> levels(testing$Final) 
NULL 

Answer 1

Sie table(pred) und table(testing$Final). Sie werden sehen, dass es mindestens eine Zahl in der Testmenge gibt, die niemals vorhergesagt wird (d. H. Niemals in pred). Dies ist, warum "verschiedene Anzahl von Ebenen" gemeint ist. Es gibt ein Beispiel für eine benutzerdefinierte Funktion, um dieses Problem zu umgehen here.

Allerdings fand ich, dass dieser Trick funktioniert: table(factor(pred, levels=min(test):max(test)), factor(test, levels=min(test):max(test)))

Es sollte Ihnen genau die gleiche Verwirrung Matrix wie bei der Funktion.