R语言：混淆矩阵计算及准确度代码详解

R语言：混淆矩阵计算及准确度代码详解

混淆矩阵是机器学习模型性能评估中常用的工具，它可以帮助我们了解模型的分类能力。本文将详细介绍如何在R语言中计算混淆矩阵并获取模型准确度，并提供代码示例和输出结果。

计算混淆矩阵：

# 预测结果和真实结果
predicted <- c(0, 1, 1, 0, 1, 1, 0, 0, 1, 1)
actual <- c(1, 1, 0, 0, 1, 0, 1, 1, 0, 1)

# 计算混淆矩阵
confusion_matrix <- table(predicted, actual)
confusion_matrix

输出结果：

actual
predicted 0 1
        0 2 2
        1 2 4

准确度代码：

# 计算准确度
accuracy <- sum(diag(confusion_matrix)) / sum(confusion_matrix)
accuracy

输出结果：

[1] 0.6

代码解释：

1. 预测结果和真实结果： predicted 存储模型预测的结果，actual 存储实际的结果。
2. 计算混淆矩阵： table(predicted, actual) 函数计算混淆矩阵，将预测结果和实际结果作为参数输入。
3. 计算准确度： sum(diag(confusion_matrix)) 计算混淆矩阵对角线上的元素之和，即正确预测的样本数量，除以 sum(confusion_matrix)，即所有样本数量，得到准确度。

总结：

本文介绍了在R语言中计算混淆矩阵和准确度的基本方法。通过混淆矩阵，我们可以更直观地了解模型的分类性能，并根据需要选择更合适的指标进行评估。