来自rpart的混淆矩阵

Question

我无论如何也想不出如何在rpart上计算混淆矩阵。

以下是我所做的工作：

set.seed(12345)
UBANK_rand <- UBank[order(runif(1000)), ]
UBank_train <- UBank_rand[1:900, ]
UBank_test  <- UBank_rand[901:1000, ]


dim(UBank_train)
dim(UBank_test)

#Build the formula for the Decision Tree
UB_tree <- Personal.Loan ~ Experience + Age+ Income +ZIP.Code + Family + CCAvg + Education

#Building the Decision Tree from Test Data
UB_rpart <- rpart(UB_tree, data=UBank_train)

现在，我想我会做这样的事情

table(predict(UB_rpart, UBank_test, UBank_Test$Default))

但这并没有给我一个混乱的矩阵。

Answer 1

您没有提供可重现的示例，因此我将创建一个合成数据集：

set.seed(144)
df = data.frame(outcome = as.factor(sample(c(0, 1), 100, replace=T)),
                x = rnorm(100))

带有type="class"的rpart模型的predict函数将返回每个观察值的预测类。

library(rpart)
mod = rpart(outcome ~ x, data=df)
pred = predict(mod, type="class")
table(pred)
# pred
#  0  1 
# 51 49 

最后，您可以通过在预测结果和真实结果之间运行table来构建混淆矩阵：

table(pred, df$outcome)
# pred  0  1
#    0 36 15
#    1 14 35

Answer 2

你可以试试

pred <- predict(UB_rpart, UB_test) confusionMatrix(pred, UB_test$Personal.Loan)