有没有什么办法可以很容易地用R预测对象来计算错误分类率？

Question

我使从模型的预测和这样

> prediction = predict (m, df) 

，它返回一个因子可变，我可以转换为行向量数据帧中的R的数据帧。然后，我可以将该行向量数据帧与正确结果的行向量合并，然后手动计算两个数据向量发散的位置。

有没有更简单的方法来做到这一点？

Answer 1

有很多方法可以解决这个问题，而且您没有提供太多的信息。以下是获得这种信息的几个简单的例子：

> library(randomForest) 
> data(imports85) 
> model <- randomForest(bodyStyle~curbWeight+cityMpg ,data=imports85) 
> 
> #contingency table 
> (tab <- table(predict(model,imports85),imports85$bodyStyle)) 

       convertible hardtop hatchback sedan wagon 
    convertible   6  0   0  0  0 
    hardtop    0  7   0  0  0 
    hatchback    0  1  63  4  3 
    sedan     0  0   7 92  1 
    wagon     0  0   0  0 21 
> #error per class 
> diag(prop.table(tab,1)) 
convertible  hardtop hatchback  sedan  wagon 
    1.0000000 1.0000000 0.8873239 0.9200000 1.0000000 
> #overall error 
> mean(predict(model,imports85) == imports85$bodyStyle) 
[1] 0.9219512 

虽然我一般会建议使用像caret()，可以在训练进行交叉验证，并与这些结果提供给您。