confusionMatrix in R

Question

Ich studiere Mustererkennung, also mache ich 2 Klassen von Daten und trennte sie mit meinem Modell. Meine Daten können nur zwei Werte annehmen, wahr und falsch.

für meine Ergebnisse habe ich confusionMatrix verwendet, und wenn ich das Ergebnis interpretiere, passiert ein Zweifel.

Kann confusionMatrix mir eine falsche Genauigkeit geben? Zum Beispiel:

Ich habe 10 itens, 5 wahr und 5 falsch, meine Klassifizierer sagen 8 richtig und 2 Unrecht voraus, so sollte 1 falsch sein wahr und wurde klassifiziert falsch war und anderes Element sollte falsch sein und war wahr. In diesem Fall sind die Ergebnisse 5 wahr und 5 falsch. in "Hilfe" von R Studio Ich kann nicht sehen, wenn confusionMatrix Element für Element oder nur Summe der möglichen Ergebnisse vergleichen.

Answer 1

Was meinen Sie mit falscher Genauigkeit? Implizieren Sie "falsch positiv"? Angesichts Ihrem Fall der Konfusionsmatrix Sieht so etwas wie (A Actual, P stellt Modell sagt voraus):

 A.T A.F 
P.T 4 1 
P.F 1 4 

Nun gibt es mehrere Dinge, die Sie hier berechnen:

wahre positive Rate (Precision) = 4/5

wahre negative Rate (ich glaube, das ist, was Sie suchen) = 4/5

# where model got wrong 

false Positive Rate = 1/5

falsch-negative Rate = 1/5

Genauigkeit (Gesamt was es richtig) = 8/10

#to get the above (not using confusion matrix from `caret`) 

a=4 # correct positives 
b=1 # incorrect positive 
c=4 # correct negative 
d=1 # incorrect negative 

TPR = a/(a+b) 
TNR = d/(c+d) 
FPR = b/(b+d) 
FNR = c/(a+c) 
Accuracy = (a+d)/(a+b+c+d) 

Answer 2

Ich bin Konfusionsmatrix aus der Bibliothek "RSNNS" verwenden.

Ich mache ein einfaches Beispiel, um besser zu testen und zu verstehen, wie confucionMatrix von RSNNS funktioniert.

rm(list = ls()) 
library("RSNNS") 


targetsDados <- 1*c(1,0,1,0,1,0,1,0,1,0) 
targetsPredictions <- 1*c(0,1,1,0,1,0,1,0,1,0) 


confusionMatrix(targetsDados,targetsPredictions) 

targetsPredictions haben 2 differents Werte, aber dieselbe Anzahl von '0' und '1' als targetsDados.

Das Ergebnis dieses Skripts ist:

 predictions 
targets 0 1 
     0 4 1 
     1 1 4 

So Konfusionsmatrix mir geben, wie viele Vorhersagen falsch sind, zu vergleichen Punkt für Punkt.