如何发送混淆矩阵到插入符号的confusionMatrix？

Question

我正在查看以下数据集： https : //archive.ics.uci.edu/ml/datasets/Credit+Approval 。 我建立了一个ctree：

myFormula<-class~.          # class is a factor of "+" or "-"
ct <- ctree(myFormula, data = train)

现在，我想将该数据放入插入符号的confusionMatrix方法中，以获取与混淆矩阵关联的所有统计信息：

testPred <- predict(ct, newdata = test)

                #### This is where I'm doing something wrong ####
confusionMatrix(table(testPred, test$class),positive="+")
          ####  ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ ####

$positive
[1] "+"

$table
        td
testPred  -  +
       - 99  6
       + 20 88

$overall
      Accuracy          Kappa  AccuracyLower  AccuracyUpper   AccuracyNull AccuracyPValue  McnemarPValue 
  8.779343e-01   7.562715e-01   8.262795e-01   9.186911e-01   5.586854e-01   6.426168e-24   1.078745e-02 

$byClass
         Sensitivity          Specificity       Pos Pred Value       Neg Pred Value            Precision               Recall                   F1 
           0.9361702            0.8319328            0.8148148            0.9428571            0.8148148            0.9361702            0.8712871 
          Prevalence       Detection Rate Detection Prevalence    Balanced Accuracy 
           0.4413146            0.4131455            0.5070423            0.8840515 

$mode
[1] "sens_spec"

$dots
list()

attr(,"class")
[1] "confusionMatrix"

所以敏感性是：

（来自插入符号的confusionMatrix文档）

如果您采用我的混淆矩阵：

$table
        td
testPred  -  +
       - 99  6
       + 20 88

您可以看到这并没有加在一起： Sensetivity = 99/(99+20) = 99/119 = 0.831928 。 在我的confusionMatrix结果中，该值是针对特异性的。 但是，特异性是Specificity = D/(B+D) = 88/(88+6) = 88/94 = 0.9361702 ，即灵敏度值。

我已经尝试过这个confusionMatrix(td,testPred, positive="+")但结果甚至更奇怪。 我究竟做错了什么？

更新：我还意识到我的困惑矩阵与插入符号认为的有所不同：

   Mine:               Caret:

            td             testPred
   testPred  -  +      td   -  +
          - 99  6        - 99 20
          + 20 88        +  6 88 

如您所见，它认为我的误报和误报是倒退的。

Answer 1

更新 ：我发现发送数据要比发送表作为参数要好得多。 从confusionMatrix文档中：

参考
用作真实结果的类别因素

我的意思是什么符号构成积极的结果 。 就我而言，这应该是+ 。 但是，“参考”是指数据集（也称为因变量）的实际结果。

所以我应该使用confusionMatrix(testPred, test$class) 。 如果您的数据由于某种原因出现乱序，则会将其转变为正确的顺序（因此，正面和负面结果/预测在混淆矩阵中正确对齐）。

但是，如果您担心结果是正确的因子，请安装plyr库，然后使用重revalue来更改因子：

install.packages("plyr")
library(plyr)
newDF <- df
newDF$class <- revalue(newDF$class,c("+"=1,"-"=0))
# You'd have to rerun your model using newDF

---

我不确定为什么这样做，但是我只是删除了正参数：

confusionMatrix(table(testPred, test$class))

我的混淆矩阵：

        td
testPred  -  +
       - 99  6
       + 20 88

插入符号的混淆矩阵：

        td
testPred  -  +
       - 99  6
       + 20 88

尽管现在它说$positive: "-"所以我不确定这是好是坏。