用R计算准确率、召回率、精确率、F1分数

在R语言中，可以使用混淆矩阵（confusion matrix）来计算准确率、召回率、精确率、F1分数。

首先，我们需要创建一个混淆矩阵，混淆矩阵包含了分类器对样本的分类情况。假设我们有一个二分类问题，分类器的预测结果和实际结果如下：

predicted <- c(1, 0, 1, 1, 0, 1, 0, 1, 1, 1)
actual <- c(1, 0, 1, 0, 1, 0, 1, 0, 1, 0)

我们可以使用`table()`函数来创建混淆矩阵：

cm <- table(predicted, actual)
cm

输出结果：

   actual
predicted 0 1
        0 2 2
        1 2 4

接下来，我们可以计算准确率、召回率、精确率、F1分数：

# 准确率
accuracy <- sum(diag(cm))/sum(cm)
accuracy

# 召回率
recall <- cm[2, 2]/sum(cm[2, ])
recall

# 精确率
precision <- cm[2, 2]/sum(cm[, 2])
precision

# F1分数
f1 <- 2*precision*recall/(precision + recall)
f1

输出结果：

[1] 0.6
[1] 0.6666667
[1] 0.6666667
[1] 0.6666667

因此，这个分类器在这个数据集上的准确率为0.6，召回率为0.67，精确率为0.67，F1分数为0.67。