[英]confusion matrix for a logistic model
我的數據包括使用分類和非分類觀察對兩種 Microtus 進行區分
我從 89 個樣本中構建了一個邏輯 model,用於預測剩余 199 個樣本的組成員資格
我的數據樣本
Group M1 M2 Fora Phone len height Rost
1 multiplex 2078 1649 1708 3868 5463 2355 805
2 subterraneus 1749 1482 1462 3797 4855 2218 765
3 unknown 1841 1562 1585 3750 5024 2232 821
我將數據分成 89 個觀測值來訓練我的 model 並保留 199 個未知觀測值來預測
train.data = microtus[c(1:89),c(1:9)]
test.data = microtus[c(90:288),c(1:9)]
train.data$Group =ifelse(train.data$Group=="multiplex", 1, 0)
我的 Model
model <- glm(Group ~ M1Left + M3Left + Foramen + Length + Height,
family = binomial(), data = train.data)
summary(model)
預測
pred <- predict(model, test.data, type = "response")
我建立了一個混淆矩陣
createConfusionMatrix=function(actual, preds){
predClass=ifelse(preds<0.5, 0, 1)
table(actual,predClass)
}
## Confusion matrix
createConfusionMatrix(test.data$Group,pred)
我的 output
predClass
actual 0 1
multiplex 0 0
subterraneus 0 0
unknown 70 129
這個 output 對我來說似乎不對?
我可以獲得有關如何構建混淆矩陣的幫助嗎?
您的代碼正在運行(使用您共享的數據):
#Code
i <- sample(1:3,288,replace = T)
#Data
microtus <- df[i,]
#Split
train.data = microtus[c(1:89),]
test.data = microtus[c(90:288),]
train.data$Group =ifelse(train.data$Group=="multiplex", 1, 0)
#Model
model <- glm(Group ~ M1 + M2 + Fora + len + height,
family = binomial(), data = train.data)
#Predict
test.data$pred <- predict(model, test.data, type = "response")
#Check
createConfusionMatrix=function(actual, preds){
predClass=ifelse(preds<0.5, 0, 1)
table(actual,predClass)
}
## Confusion matrix
createConfusionMatrix(test.data$Group,test.data$pred)
Output:
predClass
actual 0 1
multiplex 0 75
subterraneus 57 0
unknown 67 0
使用的一些數據:
#Data
df <- structure(list(Group = c("multiplex", "subterraneus", "unknown"
), M1 = c(2078L, 1749L, 1841L), M2 = c(1649L, 1482L, 1562L),
Fora = c(1708L, 1462L, 1585L), Phone = c(3868L, 3797L, 3750L
), len = c(5463L, 4855L, 5024L), height = c(2355L, 2218L,
2232L), Rost = c(805L, 765L, 821L)), class = "data.frame", row.names = c("1",
"2", "3"))
也許開始一個新的 session 再試一次。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.