在R中用混淆矩阵计算 精确度、敏感度、特异度

在R中，可以使用混淆矩阵计算精确度、敏感度和特异度。以下是一个示例代码：

# 假设有真实标签和预测标签
true_labels <- c(1, 0, 1, 1, 0, 0, 1, 0, 1, 0)
predicted_labels <- c(1, 0, 1, 0, 0, 0, 1, 1, 1, 1)

# 计算混淆矩阵
conf_mat <- table(true_labels, predicted_labels)

# 计算精确度
accuracy <- sum(diag(conf_mat)) / sum(conf_mat)
print(paste0("Accuracy: ", accuracy))

# 计算敏感度
sensitivity <- conf_mat[1, 1] / sum(conf_mat[1, ])
print(paste0("Sensitivity: ", sensitivity))

# 计算特异度
specificity <- conf_mat[2, 2] / sum(conf_mat[2, ])
print(paste0("Specificity: ", specificity))

在上述代码中，我们首先定义了真实标签和预测标签，然后使用`table`函数计算混淆矩阵。最后，我们使用简单的公式计算精确度、敏感度和特异度，并将它们打印出来。