当前位置：极客教程 > R语言 > R语言 问答 > R语言 如何在R编程中计算精度

R语言 如何在R编程中计算精度

R语言 如何在R编程中计算精度

在这篇文章中，我们将学习如何使用R编程语言中的混淆矩阵来计算精度。

精度

一个数字量的精度表示该量的精确程度。通常情况下，这是以比特为单位的，尽管它也可以是十进制的数字。它与数学精度有关，数学精度指的是表示一个数值所需的数字数量。

混淆矩阵

这个用于衡量性能的矩阵总结了分类算法的表现如何。每一类预测值和实际值都与正确和错误预测的总数一起列出。它提供了关于所产生的错误类型的信息，这比仅仅是分类器所犯的错误更重要。

如何在R编程中计算精度？

混淆矩阵

在R编程语言中计算精度的逐步程序

第1步： 这一步将定义两个向量，一个是实际值，另一个是任何模型的预测值；此外，我们将使用这两个向量来计算预测值的精度。

# Creating data sets
actual_v <-  c(1,0,1,0,1,0,1,
               0,1,0,1,0,1,0,1,0,1) 
predict_v <- c(1,0,1,0,1,1,0,
               0,1,1,0,0,1,1,1,0,0)
  
# printing data sets
print(actual_v)
print(predict_v)
Bash

输出 。

> print(actual_v)
 [1] 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1
> print(predict_v)
 [1] 1 0 1 0 1 1 0 0 1 1 0 0 1 1 1 0 0
Bash

第2步： 在这一步，我们要创建一个混淆矩阵，这将提供一个2×2的矩阵。从这个矩阵中，我们可以得到真阳性和假阳性的值，这些值将分别进一步用于计算精度的公式中。

# Creating Data sets
actual_v <-  c(1,0,1,0,1,0,1,
               0,1,0,1,0,1,0,1,0,1) 
predict_v <- c(1,0,1,0,1,1,0,
               0,1,1,0,0,1,1,1,0,0)
  
# Assuming thershold to be 0.5
table(ACTUAL=actual_v,
      PREDICTED=predict_v > 0.5)
Bash

输出 。

      PREDICTED
ACTUAL FALSE TRUE
     0     5    3
     1     3    6
Bash

我们可以看到，在输出中，我们的[实际错误，预测错误]是5，因为在实际数据中，错误值在预测数据中也是错误的。同样地，我们也可以分析其他的值。

第3步： 这是最后一步，我们将使用混淆矩阵中的真阳性和假阳性值来计算精度，从而得到精度值。

精度的公式

Precision : True Positive / (True Positive + False Positive)
Bash

从上面计算的混淆矩阵来看。

TP(True Positive) = 6
FP(False Positive) = 3
Precision=6/(6+3) = 0.6666667
Bash
# calculating precision
precision <- 6/(3+6)
# Printing precision
print("The Precision score is:")
print(precision)
Bash

输出 。

[1] "The Precision score is:"
> print(precision)
[1] 0.6666667
Bash

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

R语言 精品教程

登录

找回密码？

注册