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