【r语言confusionmatrix】在R语言中，`confusionMatrix` 是一个非常常用的函数，主要用于评估分类模型的性能。该函数通常来自 `caret` 包，能够生成混淆矩阵，并提供一系列相关的分类指标，如准确率、精确率、召回率和F1分数等。以下是对 `confusionMatrix` 的总结性说明及使用示例。
一、confusionMatrix 简介
`confusionMatrix` 函数用于计算分类模型的混淆矩阵（Confusion Matrix），并基于此生成多个评估指标。它适用于二分类或多分类问题，是评估模型性能的重要工具。
该函数需要两个参数：
- `data`：预测结果（通常是因子类型）。
- `reference`：实际标签（也应为因子类型）。
二、基本用法示例
```r
library(caret)
假设有一个预测结果和真实标签
predicted <- factor(c("A", "B", "A", "B", "A", "B"))
actual <- factor(c("A", "A", "B", "B", "A", "B"))
计算混淆矩阵
cm <- confusionMatrix(predicted, actual)
查看结果
print(cm)
```
三、confusionMatrix 输出内容说明
| 指标名称 | 含义说明 |
| Confusion Matrix | 显示每个类别的实际与预测频数，帮助直观判断模型错误分类情况。 |
| Accuracy | 模型正确预测的比例，计算公式：(TP + TN) / (TP + TN + FP + FN) |
| Sensitivity | 召回率（Recall），表示真正例被正确识别的比例，计算公式：TP / (TP + FN) |
| Specificity | 特异度，表示真反例被正确识别的比例，计算公式：TN / (TN + FP) |
| Precision | 精确率，表示预测为正例中实际为正例的比例，计算公式：TP / (TP + FP) |
| F1 Score | 精确率和召回率的调和平均数，综合评估模型性能。 |
四、confusionMatrix 输出表格示例
以下是一个典型的输出结构（以二分类为例）：
| Actual A | Actual B | |
| Predicted A | 3 | 1 |
| Predicted B | 0 | 2 |
| 指标名称 | 数值 | |
| Accuracy | 0.833 | |
| Sensitivity | 1.000 | |
| Specificity | 0.667 | |
| Precision | 1.000 | |
| F1 Score | 1.000 |
五、注意事项
- 确保 `predicted` 和 `reference` 都是因子类型，否则会报错。
- 若数据不平衡，仅依赖准确率可能不够，应结合其他指标。
- `confusionMatrix` 还支持对类别进行排序或调整顺序，方便分析。
通过合理使用 `confusionMatrix`，可以更全面地了解模型在不同类别上的表现，从而指导模型优化和选择。在实际应用中，建议结合多种评估指标进行综合分析。
