我有一个如下所示的数据集：
TEAM1 TEAM2 EXPG1 EXPG2 Gewonnen ADO Den Haag Groningen 1.5950 1.2672 1我现在尝试根据EXPG1和EXPG2来预测Gewonnen列。因此，我创建了训练集和测试集，并创建了以下模型（全部使用rcaret）：
modFit <- train(Gewonnen~ EXPG1 + EXPG2, data=training, method="rf", prox=TRUE)我现在无法创建混淆矩阵，因为我的数据有更多的引用。这是因为当我执行以下操作时：
pred <- predict(modFit, testing)head(print)它显示：0.5324000 0.7237333 0.2811333 0.8231000 0.8299333 0.9792000
因为我想创建一个混淆矩阵，我不能将它们转换为0/1，但我感觉在模型中应该有选项可以做到这一点。
关于我应该如何更改这个模型以生成0/1值的任何想法？我在文档中找不到相关信息：
modFit <- train(Gewonnen~ EXPG1 + EXPG2, data=training, method="rf", prox=TRUE)回答：
首先，正如@Tim Biegeleisen所说，如果你的Gewonnen变量尚未转换为因子，你应该在训练集和测试集中将其转换为因子：
training$Gewonnen <- as.factor(training$Gewonnen)testing$Gewonnen <- as.factor(testing$Gewonnen)之后，caret函数predict中的type选项决定了你在一个二元分类问题中得到的响应类型，即类别标签或概率。以下是来自caret文档的可重现示例，使用mlbench包中的Sonar数据集：
library(caret)library(mlbench)data(Sonar)str(Sonar$Class)# Factor w/ 2 levels "M","R": 2 2 2 2 2 2 2 2 2 2 ...set.seed(998)inTraining <- createDataPartition(Sonar$Class, p = .75, list = FALSE)training <- Sonar[ inTraining,]testing <- Sonar[-inTraining,]modFit <- train(Class ~ ., data=training, method="rf", prox=TRUE)pred <- predict(modFit, testing, type="prob") # for class probabilitieshead(pred)# M R# 5 0.442 0.558# 10 0.276 0.724# 11 0.096 0.904# 12 0.360 0.640# 20 0.654 0.346# 21 0.522 0.478pred2 <- predict(modFit, testing, type="raw") # for class labelshead(pred2)# [1] R R R R M M# Levels: M R对于混淆矩阵，你需要类别标签（即上面的pred2）：
confusionMatrix(pred2, testing$Class)# Confusion Matrix and Statistics# Reference# Prediction M R# M 25 6# R 2 18