使用RANGER计算多分类混淆矩阵时出错 [英] Error while computing confusion matrix for multiclassification using ranger
本文介绍了使用RANGER计算多分类混淆矩阵时出错的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我正在计算一个非常大的数据帧的多分类问题的混淆矩阵,它被划分和缩放为Train_Scale和Test_Scale(Train Set的Scale用于规模测试)集。
Ranger用于建模:
set.seed(123)
library(ranger)
library(caret)
Class.ranger <- ranger(Class~., data = Train_Scale, num.trees = 5000, importance = "impurity", save.memory = TRUE, probability = TRUE)
变量类有5个级别:
str(Test_Scale$Class)
Factor w/ 5 levels "A","B",..: 5 1 1 1 1 5 5 5 1 1 ...
在测试集上进行的验证如下:
set.seed(123)
probabilitiesClass <- predict(Class.ranger, data = Test_Scale, num.trees = 5000, type='response', verbose = TRUE)
概率类是5个元素的列表,如下所示:
尝试通过混淆矩阵解释结果时出现以下错误:
> caret::confusionMatrix(Test_Scale$Class, probabilitiesClass$predictions)
Error: `data` and `reference` should be factors with the same levels.
上图中的预测是否必须是因数(因为它目前是双倍的),并且由于类是具有5个级别的因数?
或者,尝试使用TABLE(注意:也没有显示NA值)时出现以下错误:
table(Test_Scale$Class, probabilitiesClass$predictions)
Error in table(Test_Scale$Class, probabilitiesClass$predictions):
all arguments must have the same length
哪里出了问题,如何使用Ranger获得多类分类的混淆矩阵(首选,因为插入符号只解释最高0 53层?)和插入符号?
推荐答案
设置type = 'raw'
而不是response
以获取预测的class
而不是预测的概率。
probabilitiesClass <- predict(
Class.ranger,
data = Test_Scale,
num.trees = 5000,
type='raw',
verbose = TRUE
)
这将使您可以confusionMatrix
进行比较。
这篇关于使用RANGER计算多分类混淆矩阵时出错的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!
查看全文