我正在尝试分析我编写的模型在测试项目上的错误（准确性）模式。我想了解Setosa和Versicolor种类的鸢尾花被错误分类为Virginica的频率，以及Virginica种类的鸢尾花被错误分类为非Virginica的频率。这可以做到吗？任何建议都会非常有帮助。以下是我的逻辑回归模型和使用该模型构建的分类器…

library(datasets)iris$dummy_virginica_iris <- 0iris$dummy_virginica_iris[iris$Species == 'virginica'] <- 1iris$dummy_virginica_iris# Logistic regression model.glm <- glm(dummy_virginica_iris ~ Petal.Width + Sepal.Width,         data = iris,         family = 'binomial') summary(glm)# Classifer.glm.pred <- predict(glm, type="response")virginica <- ifelse(glm.pred > .5, TRUE, FALSE)

回答：

你可以创建一个新的向量来将花分为virginica和非virginica，如下所示：

species <- as.character(iris$Species)species[species != "virginica"] <- "non-virginica"

然后你可以将这个向量与模型的预测值制成一个2×2的列联表：

result <- table(virginica, species)print(result)#          species# virginica non-virginica virginica#     FALSE            96         3#     TRUE              4        47

这使得你可以轻松计算模型的敏感性、特异性和准确性，如下所示：

sensitivity <- result[2, 2] / sum(result[, 2])specificity <- result[1, 1] / sum(result[, 1])accuracy    <- (result[1, 1] + result[2, 2]) / sum(result)sensitivity# [1] 0.94specificity# [1] 0.96accuracy# [1] 0.9533333