混乱矩阵的构建

Question

我有一个关于下面链接中混淆矩阵的构造的问题。游侠预测数据框架中每一行的等级概率。

例如，我有以下代码（如链接中的答案所解释的）。

library(ranger)
library(caret)

idx = sample(nrow(iris),100)
data = iris
data$Species = factor(ifelse(data$Species=="versicolor",1,0))
Train_Set = data[idx,]
Test_Set = data[-idx,]

mdl <- ranger(Species ~ ., ,data=Train_Set,importance="impurity", save.memory = TRUE, probability=TRUE)
probabilities <- as.data.frame(predict(mdl, data = Test_Set,type='response', verbose = TRUE)$predictions)
max.col(probabilities) - 1

调用

confusionMatrix(table(Test_Set$Species, max.col(probabilities)-1))

产量。

而且，用这个

caret::confusionMatrix(table(max.col(probabilities) - 1,Test_Set$Species))

给予

由于tp、tn、fp、fn的切换，灵敏度、特异性、ppv、npv的值不同，哪种创建混淆矩阵的方法是正确的？

如果我要求正类为1，而不是使用

caret::confusionMatrix(table(max.col(probabilities) - 1,Test_Set$Species), positive = '1')

我得到

那么，矩阵中的值是tp=13，tn=36，fp=0，fn=1，正确吗？

我对如何读出混淆矩阵的值感到困惑。

Answer 1

我已经理解了混淆矩阵的构造，以及如果类别发生变化时条目的作用。

使用以下方法得到的类0的混淆矩阵为

caret::confusionMatrix(table(max.col(probabilities) - 1,Test_Set$Species), positive = '0')

和第1级的，使用

caret::confusionMatrix(table(max.col(probabilities) - 1,Test_Set$Species), positive = '1')

是一样的，而且

在0级的情况下：tp=36，tn=13，fp=1，fn=0，在1级的情况下：tp=13，tn=36，fp=0，fn=1（tp和tn的作用，以及fp和fn的作用是互换的）。