R混淆矩阵敏感性和特异性标记

Question

我正在使用 R v3.3.2 和 Caret 6.0.71(即最新版本)来构建逻辑回归分类器。我正在使用混淆矩阵函数来创建用于判断其性能的统计数据。

logRegConfMat <-混淆矩阵(logRegPrediction, valData[,"Seen"])

引用 0，预测 0 = 30

引用 1，预测 0 = 14

引用 0，预测 1 = 60

引用 1，预测 1 = 164

准确度:0.7239
灵敏度:0.3333
特异性:0.9213

我的数据 (Seen) 中的目标值使用 1 表示真，0 表示假。我假设混淆矩阵中的引用(基本事实)列和谓词(分类器)行遵循相同的约定。因此我的结果显示:

真阴性 (TN) 30

真阳性 (TP) 164

假阴性 (FN) 14

误报 (FP) 60

问题:为什么灵敏度为 0.3333，特异性为 0.9213？我会认为这是相反的 - 见下文。

我不愿意相信 R 混淆矩阵函数中存在错误，因为没有报告任何内容，这似乎是一个重大错误。

大多数关于计算特异性和敏感性的引用文献将它们定义如下 - 即 www.medcalc.org/calc/diagnostic_test.php

灵敏度 = TP/(TP+FN) = 164/(164+14) = 0.9213

特异性 = TN/(FP+TN) = 30/(60+30) = 0.3333

Answer 1

根据文档 ?confusionMatrix :

"If there are only two factor levels, the first level will be used as the "positive" result."

因此，在您的示例中，正结果将是 0 ，并且评估指标将是错误的方式。要覆盖默认行为，您可以设置参数 positive =到正确的值，唉:

 confusionMatrix(logRegPrediction, valData[,"Seen"], positive = "1")