由网友(灬低调、是种错)分享简介：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 <- range...

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。