如何从Naive Bayes模型计算每个 class 的准确度,精确度和召回率?我正在使用嵌入式数据集:iris和package tree 以及用于Naive Bayes的包 e1071 . 混淆矩阵如下:
prediction setosa versicolor virginica
setosa 29 0 0
versicolor 0 20 2
virginica 0 3 21
P.S:请注意,我使用75个条目作为训练集,其他用于测试:
iris.train <- c(sample(1:150, 75)) # have selected 75 randomly
1 回答
在整个答案中,
mat
是您描述的混淆矩阵 .您可以使用以下方法计算和存储准
每个类的精度(假设预测在行上,真实结果在列上)可以用以下公式计算:
如果你想获取特定类的精度,你可以这样做:
召回每个类(再次假设预测在行上,真实结果在列上)可以用以下公式计算:
如果您想要回忆某个特定课程,您可以执行以下操作:
如果您将真实结果作为行并将预测结果作为列,那么您将翻转精度并调用定义 .
数据: