r - 混淆矩阵的构建

Question

我有一个关于从以下链接构建混淆矩阵的问题：Ranger Predicted Class Probability of each row in a data frame

例如，如果我有以下代码（如链接中的答案所述）：

library(ranger)
library(caret)

idx = sample(nrow(iris),100)
data = iris
data$Species = factor(ifelse(data$Species=="versicolor",1,0))
Train_Set = data[idx,]
Test_Set = data[-idx,]

mdl <- ranger(Species ~ ., ,data=Train_Set,importance="impurity", save.memory = TRUE, probability=TRUE)
probabilities <- as.data.frame(predict(mdl, data = Test_Set,type='response', verbose = TRUE)$predictions)
max.col(probabilities) - 1

调用

confusionMatrix(table(Test_Set$Species, max.col(probabilities)-1))

产量：

并且，使用这个

caret::confusionMatrix(table(max.col(probabilities) - 1,Test_Set$Species))

给

这是创建混淆矩阵的正确方法，因为灵敏度、特异性、ppv、npv 的值不同，因为 tp、tn、fp、fn 切换？

如果我要求正类为 1 而不是使用

caret::confusionMatrix(table(max.col(probabilities) - 1,Test_Set$Species), positive = '1')

我明白了

所以，矩阵中的值是 tp = 13，tn = 36，fp = 0，fn = 1，对吗？

我对如何读取混淆矩阵的值感到困惑。

标签： rstatisticsclassificationr-caretr-ranger

Answer 1

我已经了解了混淆矩阵的构造以及更改类时条目的作用。

使用获得的第 0 类的混淆矩阵

caret::confusionMatrix(table(max.col(probabilities) - 1,Test_Set$Species), positive = '0')

和使用获得的第 1 类

caret::confusionMatrix(table(max.col(probabilities) - 1,Test_Set$Species), positive = '1')

是相同的，并且

在 0 类的情况下：tp = 36，tn = 13，fp = 1，fn = 0，在 1 类的情况下：tp = 13，tn = 36，fp = 0，fn = 1（tp 和tn 和 fp 和 fn 的切换）。