用R结合不同区域的两个向量

Question

我试图使用R来评估一个简单预测模型的性能，方法是将预测结果离散为定义的区间，然后将它们与相应的实际值(Binned)进行比较。

我有两个向量，实际和预测，如下所示：

> actual <- c(0,2,0,0,41,1,3,5,2,0,0,0,0,0,6,1,0,0,15,1)
> predicted <- c(3.38,98.01,3.08,4.89,31.46,3.88,4.75,4.64,3.11,3.15,3.42,10.42,3.18,5.73,4.20,3.34,3.95,5.94,3.99)

我要在这里表演。首先，将实际值分解/离散为不同的级别，例如: 0-5:第1 ** 6-10级:第2*41-45级:第9级。

现在，我不得不将“预测”的值也放入上面提到的桶中。我试图使用R中的cut()函数来实现这一点：

binCount <- 5
binActual <- cut(actual,labels=1:binCount,breaks=binCount)
binPred <- cut(predicted,labels=1:binCount,breaks=binCount)

但是，如果您看到预测中的第二个元素(98.01)被标记为5，但它实际上并不在所期望的间隔内。我觉得用一个不同的binCount为预测的不会help.Can，请给出一个解决方案。

Answer 1

我不能百分之百肯定你想做什么。

然而，据我所知，您希望返回每个向量的每个元素，以及它所在的类。给定一组考虑两个向量中任意一个值的类，实际值和预测值。

如果这是您想要做的，那么您的脚本(正如您所说的)将为0到45之间的值创建类。通过这个切分，你可以给你的第一个向量分类。

然后，为预测的向量创建一组新的类。分类已经不一样了。

假设我理解你想做的事，我宁愿写：

actual <- c(0,2,0,0,41,1,3,5,2,0,0,0,0,0,6,1,0,0,15,1)
predicted <- c(3.38,98.01,3.08,4.89,31.46,3.88,4.75,4.64,3.11,3.15,3.42,10.42,3.18,5.73,4.20,3.34,3.95,5.94,3.99)

temporary = c(actual, predicted)
maxi <- max(temporary)
mini <- min(temporary)
binCount <- 5
s <- seq(maxi, mini, length.out = binCount)
s = sort(s)

binActual <- cut(actual,breaks=s, include.lowest = T, labels = 1:(length(s)-1))
binPred <- cut(predicted,breaks=s, include.lowest = T, labels = 1:(length(s)-1))

它规定：

> binActual
 [1] 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Levels: 1 2 3 4

> binPred
 [1] 1 4 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Levels: 1 2 3 4

我不确定这是你要找的，所以告诉我，我也许能帮你。谨致问候。

Answer 2

这是你想要的吗？

intervals <- cbind(seq(0, 40, length = 9), seq(5, 45, length = 9))

cutFixed <- function(x, intervals) {
    sapply(x, function(x) ifelse(x < min(intervals) | x >= max(intervals), NA, which(x >= intervals[,1] & x < intervals[,2])))
}

这将给出以下结果

> cutFixed(actual, intervals)
 [1] 1 1 1 1 9 1 1 2 1 1 1 1 1 1 2 1 1 1 4 1
> cutFixed(predicted, intervals)
 [1]  1 NA  1  1  7  1  1  1  1  1  1  3  1  2  1  1  1  2  1