评价性能:
混淆矩阵:
实际的类 | 类1 | 类2 | |
---|---|---|---|
类1 | TP | FN | P |
类0 | FP | TN | N |
P:正例
N:负
TP:正确预测的正
FP:负预测为正
FN:正预测为负
TN:正确预测的负
准确度:
Accuracy=(TP+TN)/(P+N)
召回率:
Recall=TP/P
精确度:
Precision=TP/(TP+FP)
res<-predict(fit)
result<-ifelse(res[,2]>0.5,"present","absent")
a<-table(kyphosis$Kyphosis,result)
(a[1,1]+a[2,2])/sum(a)
a[1,1]/sum(a[1,])
a[2,2]/sum(a[,2])