混淆矩阵数据中的错误不能有更多级别的 CARET

问题描述

数据集可以在这里找到：https://archive.ics.uci.edu/ml/datasets/Bank+Marketing#

set.seed(1234)
ind <- sample(2,nrow(bank),replace = TRUE,prob = c(0.7,0.3))
train.data <- bank[ind == 1,]
test.data <- bank[ind == 2,]

我正在搜索我的问题，我试图将其设置为包含混淆矩阵的因素。但是问题根本没有解决

cartmodel <- rpart(y ~.,data = train.data)
cartmodel
cart.pred = predict(cartmodel,test.data)
summary(cart.pred)
confusionMatrix(as.factor(cart.pred),as.factor(test.data$y))
confusionMatrix

我需要改变什么？数据集是 Bank.. 所以 Num 和 Factor 属性。

更新：我尝试更改所有归因于因素..仍然错误

解决方法

使用来自 UCI 的 csv（也可以试试这个 link）：

library(rpart)
library(caret)
bank = read.csv("../bank/bank-full.csv",sep=";")

set.seed(1234)
ind <- sample(2,nrow(bank),replace = TRUE,prob = c(0.7,0.3))
train.data <- bank[ind == 1,]
test.data <- bank[ind == 2,]

当您调用 predict() 时，您得到的是概率，而不是标签：

cartmodel <- rpart(y ~.,data = train.data)
cart.pred = predict(cartmodel,test.data)
head(cart.pred)

          no        yes
5  0.9393461 0.06065387
14 0.9393461 0.06065387
16 0.9393461 0.06065387
26 0.9393461 0.06065387
28 0.9393461 0.06065387
29 0.9393461 0.06065387

获取标签：

cart.pred = predict(cartmodel,test.data,type="class")
confusionMatrix(cart.pred,test.data$y)

Confusion Matrix and Statistics

          Reference
Prediction    no   yes
       no  11710  1039
       yes   302   517
                                         
               Accuracy : 0.9012         
                 95% CI : (0.896,0.9061)
    No Information Rate : 0.8853         
    P-Value [Acc > NIR] : 1.831e-09      
                                         
                  Kappa : 0.3869