如何从具有两个以上因子级别的 kNN 模型中获取具有相对值的混淆矩阵？

Question

我使用

mlr3

包和

mlr3learners

包构建了一个简单的 kNN 模型，使用

diabetes

包中的

mclust

数据集。我正在尝试使用 kNN 模型根据三个可用的数字特征（

class

、

glucose

、

insulin

）来预测

sspg

类别，并使用

mlr3measures

包和混淆矩阵，因为我有兴趣评估某些类别是否比其他类别更容易被错误分类。我的问题是如何获得具有相对值的混淆矩阵？

使用以下代码我得到一个具有绝对值的混淆矩阵。

代码示例

# load packages
library(mlr3)
library(mlr3learners) # for classif.kknn
library(mlr3measures) # for confusion_matrix()
library(mclust) # for data(diabetes)

# load data
data(diabetes, package = "mclust")
diabetes <- as.data.table(diabetes)

# define task
diabetes_task <- as_task_classif(diabetes, 
                                 target = "class", 
                                 id = "diabetes")

# define ML algorithm
knn_model <- lrn('classif.kknn')

# partition data
splits <- partition(diabetes_task) 

# train model
knn_model$train(diabetes_task, 
                row_ids = splits$train)

# test model 
prediction <- knn_model$predict(diabetes_task, 
                                row_ids = splits$test)

# evaluate performance
prediction$confusion 

混淆矩阵

           truth
 response   Chemical Normal Overt
   Chemical       10      2     0
   Normal          2     23     0
   Overt           0      0    11

我想要一个具有相对值的混淆矩阵，而不是这个矩阵。我刚刚发现

confusion_matrix()

包中的

mlr3measures

函数包含一个用于获取相对值的参数（即

relative = TRUE

），但此函数仅在真相和响应标签只有两个因素时才有效。显然，在旧的

mlr

包中获得这一点相当简单。抱歉，如果问题有点基础，但是有没有一种简单的方法来获取相对值混淆矩阵？

Answer 1

正如评论中指出的，您可以简单地除以矩阵中所有值的总和：

prediction$confusion / sum(prediction$confusion)

          truth
response     Chemical     Normal      Overt
  Chemical 0.25000000 0.06250000 0.04166667
  Normal   0.00000000 0.45833333 0.00000000
  Overt    0.00000000 0.00000000 0.18750000