使用confusionMatrix ` `data`‘和’`reference`‘的错误应该是相同级别的因素
我是第一次使用R(在R演播室)，所以为任何愚蠢的错误道歉。
我正在运行一个机器学习模型。在我的脚本中，我得到了下面的错误，
Error: `data` and `reference` should be factors with the same levels.
4. stop("`data` and `reference` should be factors with the same levels.", call. = FALSE)
3. confusionMatrix.default(Y.pr, Y.ob) 当我踏入confusionMatrix时，我有点困惑。
数据(我的Y.pr)变量存储在数据部分下，而引用(我的Y.ob)存储在值下面。当我点击引用时，它会显示
num [1:8593] 0 0 1 1 1 0 0 0 1 1 ...当我展开它时，数据变量如下所示。
Large matrix (8593 elements, 604.6 kb)
- attr(*, "dimnames")= List of 2
..$ : chr [1:8593] "34371" "34372" "34373" "34374" ...
..$ : NULL对我来说没有任何意义。我猜是Null造成了这个问题？
更新
使用相同的数据，我能够在Python中运行一个完全工作的模型。
更新的端
回答 1
Stack Overflow用户
发布于 2020-05-20 15:28:19
我将使用?confusionMatrix中的示例来了解您的错误，然后通过一种方法从它中恢复。
前排
解决问题的方法是为一个非factor变量分配级别。如果你不确切地知道与pred相关的数值水平，那么你的临床研究就结束了:任何结果都是可疑和站不住脚的。其余的答案假设你对水平是确定的(或者你只是在玩游戏，而且没有正式的研究或调查，或者任何关于这些数据的东西)。即使原始数据不是以factor的形式出现，验证什么是"1“和"2”(或数字是什么)是关键的一步。
游行示威
library(caret)
lvs <- c("normal", "abnormal")
truth <- factor(rep(lvs, times = c(86, 258)),
levels = rev(lvs))
pred <- factor(
c(
rep(lvs, times = c(54, 32)),
rep(lvs, times = c(27, 231))),
levels = rev(lvs))
head(truth)
# [1] normal normal normal normal normal normal
# Levels: abnormal normal
head(pred)
# [1] normal normal normal normal normal normal
# Levels: abnormal normal正常(理想)执行：
confusionMatrix(pred, truth)
# Confusion Matrix and Statistics
# Reference
# Prediction abnormal normal
# abnormal 231 32
# normal 27 54
#
# Accuracy : 0.8285
# 95% CI : (0.7844, 0.8668)
# No Information Rate : 0.75
# P-Value [Acc > NIR] : 0.0003097
#
# Kappa : 0.5336
# Mcnemar's Test P-Value : 0.6025370
#
# Sensitivity : 0.8953
# Specificity : 0.6279
# Pos Pred Value : 0.8783
# Neg Pred Value : 0.6667
# Prevalence : 0.7500
# Detection Rate : 0.6715
# Detection Prevalence : 0.7645
# Balanced Accuracy : 0.7616
#
# 'Positive' Class : abnormal 但如果第二个论点不是一个因素呢？
truth_num <- as.integer(truth)
head(truth_num)
# [1] 2 2 2 2 2 2
confusionMatrix(pred, truth_num)
# Error: `data` and `reference` should be factors with the same levels.修正
我们需要做的是将truth_num带回到一个因素。
首先，理论:如果它一度是一个factor，并以某种方式转换为integer，那么它就是一堆1s和2s (最初是其级别上的指数)。如果它从来不是一个因素，它可能是任何数字，真的，但底线是:我们知道哪个(整数)是哪个(级别)？如果你猜错了，那么你的测试就会给出绝对错误的结果(没有错误/警告)。
table(pred)
# pred
# abnormal normal
# 263 81
table(truth_num)
# truth_num
# 1 2
# 258 86 只要看一下相对比例，就会发现truth_num的级别应该与c("abnormal", "normal")相同。(但请再读一遍我写的关于追逐结果的文章；不要相信比例，回到源数据中找出哪个是哪一个。)我们就是这么安排的。从指数到因素有几种方法，这里有两种方法：
### one way
truth_num_fac <- factor(truth_num)
levels(truth_num_fac)
# [1] "1" "2"
head(truth_num_fac)
# [1] 2 2 2 2 2 2
# Levels: 1 2
levels(truth_num_fac) <- levels(pred)
head(truth_num_fac)
# [1] normal normal normal normal normal normal
# Levels: abnormal normal
### another way
dput(head(pred))
# structure(c(2L, 2L, 2L, 2L, 2L, 2L), .Label = c("abnormal", "normal"
# ), class = "factor")
truth_num_fac <- structure(truth_num, .Label = levels(pred), class = "factor")
head(truth_num_fac)
# [1] normal normal normal normal normal normal
# Levels: abnormal normal不管怎么说，现在测试成功了。
confusionMatrix(pred, truth_num_fac)
# Confusion Matrix and Statistics
# Reference
# Prediction abnormal normal
# abnormal 231 32
# normal 27 54
#
# Accuracy : 0.8285
# 95% CI : (0.7844, 0.8668)
# No Information Rate : 0.75
# P-Value [Acc > NIR] : 0.0003097
#
# Kappa : 0.5336
# Mcnemar's Test P-Value : 0.6025370
#
# Sensitivity : 0.8953
# Specificity : 0.6279
# Pos Pred Value : 0.8783
# Neg Pred Value : 0.6667
# Prevalence : 0.7500
# Detection Rate : 0.6715
# Detection Prevalence : 0.7645
# Balanced Accuracy : 0.7616
#
# 'Positive' Class : abnormal
# ，如果.
- 级别是正确的，但您可以看到以下警告：
confusionMatrix(pred，truth_num_fac) #confusionMatrix.default中的警告(pred，truth_num_fac)：#级别与引用和数据的顺序不同。重构数据以匹配。#混淆矩阵和统计### .
这表示您的级别不符合相同的顺序。解决办法并不难：
水平( pred )#1“异常”“正常”水平( truth_num_fac) #1“正常”“异常”<- -应首先异常，根据pred truth_num_fac <- relevel(truth_num_fac，“异常”) confusionMatrix(pred，truth_num_fac)#混淆矩阵和truth_num_fac水平是否不正确？您将不会收到错误或警告，虽然您的测试结果将是完全不同的；这并不意味着您应该追求所期望的结果，但如果结果是严重错误的，则值得关注的是:设置反向数据truth_num_fac_backwards <- structure(truth_num，.Label = rev(levels(pred))，class = "factor") truth_num_fac_backwards <- relevel(truth_num_fac_backwards，“异常”) head(truth_num_fac_backwards) #1异常#级别:异常正常confusionMatrix(pred )，( truth_num_fac_backwards) #混淆矩阵和统计#参考#预测异常正常# 32 231 #正常54 27 #准确性: 0.1715 <0.2156) #无信息率: 0.75 #P-值Acc > NIR :1## Kappa：-0.3103 # Mcnemar's Test P-值：<2e-16 #敏感性: 0.37209 #特异性: 0.10465 # Pred值: 0.12167 # Neg Pred值: 0.33333 #患病率: 0.25000 #检出率: 0.09302 #检测流行率: 0.76453平衡精度: 0.23837 ##‘积极’类: abnormalThe正确的解决方法是返回并验证哪个级别是哪个级别。这可能是因为你做对了，结果告诉你事情不是很好的匹配。任何其他修复方法(在我看来)都是追逐结果:确保第一次获得正确的数据，不要更改数据以匹配预期的结果。
- I试图将数字向量转换为
factor，但levels(...)返回NULL。
这很可能是因为非数字向量不是factor，而是character。这个修复应该足够容易:设置假字符数据pred_chr <- pred pred_chr <- as.character(pred) head(pred_chr) 1 " normal“" normal”###补救pred_chr_fac <- factor(pred_chr) head(pred_chr_fac) #1正常#水平:异常正常水平(Pred_chr_fac)#1“异常”“正常”
https://stackoverflow.com/questions/61562377
复制相似问题
腾讯云开发者
