用confusionMatrix计算查全率、召回率和F分

Question

我们开发了一种算法，用于检测加速度计数据中每台电阻运动机重复次数。人们总是每台机器重复10次，每次2次。

N人x 10次重复x2组=执行的总次数。

现在，我想从precision包中用confusionMatrix计算confusionMatrix、recall和f-score。

我创建了一个xlsx文件，其中两行表示真实(上行)和算法预测的重复次数(下行)，如图中所示：

​

​

我编写了以下代码：

reps_prec_phone1<- read.xlsx("Reps_for_Precision_Recall_FSCORE.xlsx", sheet =  "2Vec_Phone1", startRow = 0, colNames = FALSE) 
reps_prec_pred_phone1<-as.factor(reps_prec_phone1[1,])
reps_prec_real_Phone1<-as.factor(reps_prec_phone1[2,])

result_phone1 <- confusionMatrix(reps_prec_pred_phone1, reps_prec_real_Phone1, mode="prec_recall")

结果如下：

​

​

正如您在confusionMatrix中看到的，计算了385组(1组由10次重复组成)，而不是3850重复。现在我想知道，在方法上，如何让confusionMatrix来计算重复的次数而不是集合的数量。

在我的例子中，错误率是1-Accuracy = 2.5%。As 1组由10个重复组成。由于设置与重复是10的一个因素，我可以简单地除以10的错误率，并重新计算精度1-0.0025 = 0.9975。然而，

• 有人知道如何用confusionMatrix解决这个问题吗？

提前感谢您的脑力和经验！

Answer 1

有个理论上的错误。

建立一个混淆矩阵来比较给定的观测值和预测值，R将您的数据转换为因子，然后将您的值{10,11}解释为该因子的级别，而不是数字值，然后R对关联进行计数。简单地说，你对什么是混淆矩阵有错误的理解。

而且，任何模型都会执行有偏差的预测，因为您有非常不平衡的数据，简而言之，没有什么可预测的。

那么，您就没有编程问题了--更多的是理论问题。访问Stack Exchange以澄清您的想法。

Visit me!