,data = Banks, family="binomial") lines(c(0,sum(Banks$Financial.Condition))~c(0,dim(Banks)[1]),lty=2)
confusionMatrix(ifelse(pred >0.5, 1,0), Banks$Fina
浏览 25提问于2020-12-07得票数 0
我已经尝试了堆栈溢出中建议的所有可能的解决方案，数据和引用应该是具有相同级别的因素。as.numeric(rnorm(100)>0.5), b= rnorm(100), c = rnorm(100), d = rnorm(100))pdata <- predict(logitMod, newdata = train, type =
浏览 0提问于2018-10-06得票数 1
我正在尝试通过r中的tuneRanger函数来预测二元结果(class1和class2 library(tuneRanger) estimateTimeTuneRanger(task)
confusionMatrix(a, test$outcome, positi
浏览 0提问于2020-04-12得票数 1
我是第一次使用R(在R演播室)，所以为任何愚蠢的错误道歉。Error: `data` and `reference` should be factors with the same levels. 3. confusi
浏览 1提问于2020-05-02得票数 1
在使用来自confusionMatrix()包的caret函数时，我得到了一个错误。为了再现这个示例，我使用了来自Sonar包的mlbench数据集。library(mlbench)Sonar <- Sonar[rows, ]
p_class <- ifelse(p > 0
浏览 0提问于2019-01-26得票数 2
回答已采纳
当我尝试使用confusionMatrix错误时，我得到了这个错误消息：data和reference应该是具有相同级别的因子。)library(e1071)#set.seed(6)BF<-as.data.frameBF$fm<-as.factor(BF
浏览 34提问于2021-01-17得票数 1
1回答
0.4 -0.3 -0.8 0 0.2 0.5 0.6 -0.5 -0.6 1data$target<-factor(data$target)
train.ind <- sample(nrow(data), 0.7*nrow(data))trainData<-data[train.ind,]
test
浏览 0提问于2019-07-05得票数 0
回答已采纳
我已经训练了一个使用插入符号和使用r的nnet的人工神经网络算法。我试图生成一个有意义的输出-理想情况下使用混淆矩阵-但继续得到错误，例如“数据和引用应该是具有相同级别的因子”或“参数必须具有相同的长度”。pitch_type + b_score + b_count + s_count + outs + pitch_num + on_1b + on_2b + on_3b,
data(testData
浏览 7提问于2019-11-21得票数 0
我正在尝试运行我的书“商业分析的数据挖掘--概念、技术和R中的应用程序”，第5章中的代码。(as.factor(ifelse(owner.df$Probability>0.5, 'owner', 'nonowner')), confusionMatrixas.factor(ifelse(owner.df$Probability>0.25, 'owner', 'nonowner')),
浏览 0提问于2021-02-22得票数 1
1回答
混淆矩阵中缺失因子的r-条件替换
、、、、
对于每一组样本点，应该有三个类/因子，即我应该有3x3表，但是一些引用和预测数据包含的类少于两个，或者是不重叠的类，例如： A我需要相同数量的类/因子来运行confusionMatrix，所以我要做的是有条件地用零替换缺少的因子，如下所示：
Class A B C Class A B C编辑:我使用的实际数据示例(通过光栅/shapefile)和
浏览 1提问于2018-01-12得票数 1
回答已采纳
大家好，我面对这样的错误，我是一个新手，我不知道这是什么意思。我使用神经网络函数来分类泰坦尼克号数据集。
Error: `data` and `reference` should be factors with the same levels.
浏览 2提问于2021-11-08得票数 1
12 14 10 > #confusion matrix> # ENTER YOUR CODE HEREError: `data` and `reference` should be factors with the same levels
浏览 135提问于2020-09-18得票数 0
1回答
我尝试为我的模型计算，但我一直得到：
model3 <- glm(winner ~ srs.1 + srs.2, data = train_set, family = binomial)
浏览 2提问于2020-03-27得票数 3
"mlbench")library("caret")set.seed(49607)
default = as_tibble(ISLR::Default)
dft_trn_idx = sample(nrow(default= 0.8 * nrow(default))
dft_trn = de
浏览 17提问于2020-09-25得票数 0
回答已采纳
1回答
多项式回归，因子
、、
我有两个向量，实际值和预测值。两者均为因子类型，有8个层次。第8级实际观测值只有55次，预测值为0次。然而，当我建立一个混乱的矩阵时，第8级的观测就会消失或以某种方式被移动。我还试图显式地使因子水平在两个向量中相同。到目前为止还没有运气。(data = sc_fitted1, reference = sc$LeagueIndex)
# sc_
浏览 0提问于2018-05-23得票数 1
回答已采纳
8回答
我现在正在尝试生成一个混淆矩阵，并不断得到以下错误：EnglishMarks<- read.csv("E:/Subject Wise Data/EnglishMarks.csv", inTrain<-createDataPartition(y=EnglishMark
浏览 3提问于2015-05-02得票数 27
我有一个分类模型predict(model, test.x)，用来评估包含11个类别的数据的模型，预测的结果： table(predicted_class)105 16 78 25 14 74 12 9 23 15 19 当我想要获得带有插入符号包的混淆矩阵时，我得到了这个错误消息，因为我的模型没有预测到类别7和9： caret::confusionMatrix(test.y, predicted_cl
浏览 13提问于2019-03-10得票数 0
回答已采纳
当我试图解释混淆矩阵时，我得到了以下错误。 Error: `data` and `reference` should be factors with the same levels.., data = training, method = "rpart",predict(dtree_fit, newdata = testing[1,])
test_
浏览 79提问于2020-08-20得票数 0
1回答
我正在尝试计算一个非常大的数据帧的多分类问题的混淆矩阵，它被划分和缩放为Train_Scale和Test_Scale (训练集的比例用于缩放测试)集。当我试图通过混淆矩阵解释结果时，我得到了以下错误： > caret::confusionMatrix(Test_Scale$Class, probabilitiesClass$predictions)Error: `data` and `reference` should be factors with the same levels
浏览 42提问于2021-08-04得票数 0
1回答
我试图分析caret包为confusionMatrix提供的示例。= c(54, 32)), levels = rev(lvs))
我试着运行注释中提供的一个示例：
train <- data.frame(LoanStatus_B = as.numeric(rnorm(100)>0.5), b= rnorm(100), c =rnorm(100), d =
浏览 7提问于2021-01-06得票数 0
云服务器
ICP备案
对象存储
腾讯会议
云直播
腾讯云开发者
