我该如何计算accuracy, 精确 and recall对于混淆矩阵中的每个类?
我正在使用嵌入式数据集 iris;混淆矩阵如下:
prediction setosa versicolor virginica
setosa 29 0 0
versicolor 0 20 2
virginica 0 3 21
我使用 75 个条目作为训练集,其他条目用于测试:
iris.train <- c(sample(1:150, 75)) # have selected 75 randomly
在整个回答中,mat
是您描述的混淆矩阵。
您可以通过以下方式计算和存储精度:
(accuracy <- sum(diag(mat)) / sum(mat))
# [1] 0.9333333
每个类别的精度(假设预测位于行上,真实结果位于列上)可以通过以下方式计算:
(precision <- diag(mat) / rowSums(mat))
# setosa versicolor virginica
# 1.0000000 0.9090909 0.8750000
如果您想获取特定类别的精度,您可以这样做:
(precision.versicolor <- precision["versicolor"])
# versicolor
# 0.9090909
每个类别的召回率(再次假设预测位于行上,真实结果位于列上)可以通过以下方式计算:
recall <- (diag(mat) / colSums(mat))
# setosa versicolor virginica
# 1.0000000 0.8695652 0.9130435
如果您想回忆特定课程,您可以执行以下操作:
(recall.virginica <- recall["virginica"])
# virginica
# 0.9130435
相反,如果您将真实结果作为行,将预测结果作为列,那么您将翻转精度和召回率定义。
Data:
(mat = as.matrix(read.table(text=" setosa versicolor virginica
setosa 29 0 0
versicolor 0 20 2
virginica 0 3 21", header=T)))
# setosa versicolor virginica
# setosa 29 0 0
# versicolor 0 20 2
# virginica 0 3 21
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)