如何将库（kknn）结果与验证模型进行比较以查看模型的性能

Question

[我有一个模型，在这个模型中我试图预测标题为R1的第11列。我的数据如下所示：

A1    A2     A3     A8 A9 A10 A11 A12 A14   A15     R1
1   1 30.83  0.000  1.250  1   0   1   1 202     0  1
2   0 58.67  4.460  3.040  1   0   6   1  43   560  1
3   0 24.50  0.500  1.500  1   1   0   1 280   824  1

我的代码如下：

data <- read.delim("credit_card_data-headers.txt")
m <- dim(data)[1]
#val grabs a random 3rd
val <- sample(1:m, size = round(m/3), replace = FALSE,
              prob = rep(1/m, m))
#data.learn gets assiged 2/3rds of the whole data
data.learn <- data[-val,]
#data.valid gets the left over 1/3rd
data.valid <- data[val,]
#build up the k nearest neighbor predictions for the R1 column
data.kknn <- kknn(R1~., data.learn, data.valid, k=3, distance = 1,
                  kernel = "triangular", scale = TRUE)

我认为我在正确地执行KKNN，但是我不知道如何将结果与data.valid集进行比较，以查看成功/失败的百分比。我正在尝试这样做：

fit <- fitted(data.kknn)
fit

但是它给了我这个适合我的'合适'：

[1] 0.00000000 0.63903156 0.99028609 0.20950708 0.00000000 0.42680166 0.03538045 1.00000000 0.59672292 1.00000000 0.00000000 0.00000000 0.00000000 0.00000000 0.00000000 

我不知道如何解释这个连续的值向量。我如何进行某种类型的比较以查看我的模型有多好？ （类似于混淆矩阵或正确的百分比）

Answer 1

我知道了。我只是对这些值进行了四舍五入，似乎可以找到。