r语言confusionMatrix函数解读

在R语言中，`caret`包提供了`confusionMatrix`函数来计算分类模型的混淆矩阵。混淆矩阵是评估分类模型性能的一种方法，以矩阵的形式呈现实际类别和预测类别之间的关系。

`confusionMatrix`函数需要两个参数，一个是实际类别，另一个是预测类别。这些类别可以是数值型或字符型。函数会输出混淆矩阵，包括真阳性（TP）、假阳性（FP）、真阴性（TN）和假阴性（FN）的数量，以及准确率、召回率和F1得分等性能指标。

例如，假设有一个二分类问题，实际上有10个正类和10个负类，模型预测其中9个正类和11个负类。我们可以使用以下代码计算混淆矩阵：

actual <- c(rep("Positive", 10), rep("Negative", 10))
predicted <- c(rep("Positive", 9), rep("Negative", 11))
confusionMatrix(actual, predicted)

输出结果为：

Confusion Matrix and Statistics

          Reference
Prediction Negative Positive
  Negative        9        1
  Positive        1        9

               Accuracy : 0.9
                 95% CI : (0.6763, 0.9773)
    No Information Rate : 0.5
    P-Value [Acc > NIR] : 0.003906
                  Kappa : 0.8
 Mcnemar's Test P-Value : 1

            Sensitivity : 0.9
            Specificity : 0.9
         Pos Pred Value : 0.9
         Neg Pred Value : 0.9
             Prevalence : 0.5
         Detection Rate : 0.45
   Detection Prevalence : 0.5
      Balanced Accuracy : 0.9

       'Positive' Class : Negative

从输出结果中，我们可以看到混淆矩阵的实际和预测类别。例如，真阳性（TP）为9，假阳性（FP）为1，真阴性（TN）为9，假阴性（FN）为1。此外，还有准确率、召回率、F1得分等性能指标。