R - 使用什么命令来生成混淆矩阵作为 rpart() 和 Predict() 的输入结果？

Question

使用 rpart() 和 predict() 命令生成预测模型后，我应该在 R 中使用什么命令来执行混淆矩阵？

# Grow tree
library(rpart)
fit <- rpart(activity ~ ., method="class", data=train.data)

printcp(fit) # display the results
plotcp(fit) # visualize cross-validation results
summary(fit) # detailed summary of splits

# Prune the tree (in my case is exactly the same as the initial model)
pfit <- prune(fit, cp=0.10) # from cptable
pfit <- prune(fit,cp=fit$cptable[which.min(fit$cptable[,"xerror"]),"CP"])

# Predict using the test dataset
pred1 <- predict(fit, test.data, type="class")

# Show re-substitution error
table(train.data$activity, predict(fit, type="class"))

# Accuracy rate
sum(test.data$activity==pred1)/length(pred1)

我想清楚地总结一下真阳性、假阴性、假阳性和真阴性。如果在同一矩阵中具有敏感性、特异性、阳性预测值和阴性预测值，那就太好了。

来源:http://en.wikipedia.org/wiki/Sensitivity_and_specificity

Answer 1

根据您的拟合情况和原始数据框使用 predict() 方法，如下所示:

pred = predict(train.fit, newdata, type = "vector")
newdata$pred = as.vector(pred)
newdata$prediction = activities[newdata$pred]

tab = table (newdata$prediction, newdata$activity)
print(tab)

在上面的示例中，rpart 模型预测事件(因子变量)。 pred 是数字，其值对应于因子的级别。 activities = sort(unique(data$activity)) 对应于默认因子映射。