R混淆矩阵的敏感性和特异性标签

Question

我使用R v3.3.2和插页6.0.71（即最新版本）来构建逻辑回归分类器。我正在使用confusionMatrix函数来创建用于判断其性能的统计信息。

logRegConfMat < - 混淆矩阵（logRegPrediction，valData [， “看”]）

• 参考0，预测0 = 30
• 文献1中，预测0 = 14
• 参考0，预测1 = 60
• 文献1中，预测1 = 164

精度：0.7239
灵敏度：0.3333
特异性：0.9213

我的数据中的目标值（见）使用1作为真，0作为假。我假设混淆矩阵中的参考（基础真值）列和预测（分类器）行遵循相同的约定。因此，我的结果表明：

• 真阴性（TN）30个
• 真阳性（TP）164个
• 假阴性（FN）14个
• 误报（FP）60

问题：为什么敏感度为0.3333，特异度为0.9213？我会认为这是相反的 - 见下文。

我不愿意相信在R confusionMatrix函数中有bug，因为没有任何报告，这似乎是一个重大的错误。

---

关于计算的特异性和灵敏度大多数引用将它们定义如下 - 即www.medcalc.org/calc/diagnostic_test.php

• 灵敏度= TP /（TP + FN）= 164 /（164 + 14）= 0.9213
• 特异性= TN /（FP + TN）= 30 /（60 + 30）= 0.3333

Answer 1

根据文档?confusionMatrix：

“如果只有两个因子水平，第一个水平将被用作 的”正面“结果。”

因此，在您的示例中，积极的结果将是0，评估指标将是错误的方法。要覆盖默认行为，可以将参数positive =设置为正确的值，唉：

confusionMatrix(logRegPrediction, valData[,"Seen"], positive = "1")