使用R语言计算模型准确度的混淆矩阵

使用R语言计算模型准确度的混淆矩阵

混淆矩阵是评估分类模型性能的重要工具之一。它可以用于计算模型的准确度、召回率、精确度等指标。本文将介绍如何使用R语言计算模型准确度的混淆矩阵，并附上相应的源代码。

在R语言中，我们可以使用caret包中的confusionMatrix()函数来计算混淆矩阵。首先，我们需要准备模型预测结果和真实标签的数据。

假设我们有一个二分类模型，预测结果存储在一个向量predictions中，真实标签存储在一个向量labels中。以下是一个示例数据：

predictions <- c(0, 1, 1, 0, 1, 1, 0, 0, 1, 1)
labels <- c(0, 1, 1, 1, 1, 0, 0, 1, 0, 1)

接下来，我们可以使用confusionMatrix()函数计算混淆矩阵并获得模型的准确度。

library(caret)

confusion_matrix <- confusionMatrix(predictions, labels)
accuracy <- confusion_matrix$overall['Accuracy']

在上面的代码中，我们首先加载caret包，然后使用confusionMatrix()函数计算混淆矩阵。confusionMatrix()函数接受两个参数，分别是模型预测结果和真实标签。计算完成后，我们可以使用overall属性获取混淆矩阵的整体指标，其中包括准确度。