la confusion de la matrice de rpart

Je ne peux pas pour la vie de me comprendre comment calculer une matrice de confusion sur rpart.

Voici ce que j'ai fait:

set.seed(12345)
UBANK_rand <- UBank[order(runif(1000)), ]
UBank_train <- UBank_rand[1:900, ]
UBank_test  <- UBank_rand[901:1000, ]


dim(UBank_train)
dim(UBank_test)

#Build the formula for the Decision Tree
UB_tree <- Personal.Loan ~ Experience + Age+ Income +ZIP.Code + Family + CCAvg + Education

#Building the Decision Tree from Test Data
UB_rpart <- rpart(UB_tree, data=UBank_train)

Maintenant, je pense que je ferais quelque chose comme

table(predict(UB_rpart, UBank_test, UBank_Test$Default))

Mais ce n'est pas de me donner une matrice de confusion.

OriginalL'auteur mpg | 2014-01-22

  1. 10

    Vous n'avez pas fourni un exemple reproductible, donc je vais créer un synthétique dataset:

    set.seed(144)
df = data.frame(outcome = as.factor(sample(c(0, 1), 100, replace=T)),
                x = rnorm(100))

    La predict fonction pour une rpart modèle avec type="class" sera de retour le prédit de classe pour chaque observation.

    library(rpart)
mod = rpart(outcome ~ x, data=df)
pred = predict(mod, type="class")
table(pred)
# pred
#  0  1 
# 51 49

    Enfin, vous pouvez construire la matrice de confusion en exécutant table entre la prédiction et la véritable issue:

    table(pred, df$outcome)
# pred  0  1
#    0 36 15
#    1 14 35

    OriginalL'auteur josliber

  2. -1

    Vous pouvez essayer

    pred <- predict(UB_rpart, UB_test)
    confusionMatrix(pred, UB_test$Personal.Loan)

    OriginalL'auteur aditi