confusion-matrix

    0热度

    1回答

    我在创建混淆矩阵以将模型预测与实际值进行比较时遇到一些困难。我的数据集有159个解释变量,我的目标被称为“类别”。 #Load Data df <- read.csv("https://d396qusza40orc.cloudfront.net/predmachlearn/pml-training.csv", na.strings=c("NA","#DIV/0!","")) #Split i

    1热度

    1回答

    我最近试图让我的训练模型之一的混淆矩阵,看看它是多么的精确。我下载了这个脚本并且喂了我的模型。 令我惊讶的是,脚本计算的准确度与Caffe报告非常不同。 我已经使用this script计算混淆矩阵,然而,这报告的准确度为好,问题是这个脚本报告的准确性方式不同的是,一个由Caffe报道! 例如Caffe报告CIFAR10的准确率可以说为92.34%,而当将模型输入到脚本以计算混淆矩阵及其准确性时,

    1热度

    2回答

    我想获得神经网络预测结果的准确度或者RMSE。我开始使用混淆矩阵,但如前面的答案所示,混淆矩阵为非连续变量提供了有效的结果。 有没有什么办法可以得到神经网络预测的准确度或误差率? 此处作为例子的代码我有到现在为止: library(nnet) library(caret) library(e1071) data(rock) newformula <- perm ~ area + peri

    2热度

    1回答

    我目前正在使用'randomForest'包处理捕获模型。 装修我的模型如下 rf <- foreach(ntree=rep(10, 3), .combine= combine, .packages='randomForest') %dopar% { randomForest(bou~.,data=train, trees=50, importance=TRUE)} 当使用从“插入符号”一揽

    0热度

    1回答

    我很抱歉提前对我的问题做了如此详尽的解释。我使用三个函数Shuffle100my_List和Final_lists(如下)从分类树类概率(分组因子:G8和V4)中生成了10个嵌套数据帧。对不起,我正在问这个简单的问题,但我无法弄清楚。如果有人找到解决方案,非常感谢。 目标1 (1)我想从caret package插入功能confusionMatrix()到函数shuffle100以产生10点混淆矩

    3热度

    1回答

    我正在使用NLTK测试情感分析模型。我需要为分类器结果添加一个混淆矩阵,并且如果可能的话还包括Precision,Recall和F-Measure值。到目前为止,我只有精确度。 Movie_reviews数据有pos和neg标签。但是,为了训练分类器,我使用了与通常(句子,标签)结构具有不同格式的“特征集”。我不知道我是否可以使用confusion_matrix从sklearn,通过“featur

    0热度

    1回答

    我需要仅使用混淆矩阵绘制ROC曲线。实际上我的系统崩溃了(每个信息都丢失了),因此我没有收到数据。我只有混淆矩阵的价值。我知道如何创建ROC曲线(http://scikit-learn.org/stable/auto_examples/model_selection/plot_roc_crossval.html),但没有得到任何线索如何从混淆矩阵中绘制。 请在这方面帮助我。

    0热度

    2回答

    我已经使用caret包训练了一个随机森林,用于预测二进制分类任务。 library(caret) set.seed(78) inTrain <- createDataPartition(disambdata$Response, p=3/4, list = FALSE) trainSet <- disambdata[inTrain,] testSet <- disambdata[-inTra

    2热度

    1回答

    我有以下的混淆矩阵: confusionMatrix(test_gbm) Cross-Validated (60 fold) Confusion Matrix (entries are percentual average cell counts across resamples) Prediction A B C D E Reference A 28.0 0.6 0.0 0.0 0

    0热度

    2回答

    我创建了一个混淆矩阵,它的工作原理没有问题,但它的原始码似乎没有与标签连接。 我有一个字符串的一些列表,它被分裂成火车和测试部分: train + test: positive: 16 + 4 = 20 negprivate: 53 + 14 = 67 negstratified: 893 + 224 = 1117 混淆矩阵是建立在测试数据: [[ 0 14 0] [ 3 220 1]