R中的精确度,召回率和f度量

Question

我有一段时间没有使用R,所以也许我还没有习惯它,但是......我在R中有一个带有两个列的表,第一个有预测值(一个值可以是0或1 ),第二个具有实际值(也是0或1).我需要找到回忆,精确度和f度量,但在R中找不到它的好功能.(我也读过ROCR,但我所能做的就是创建一些情节,但我真的不需要情节,我需要数字).

在R中找到精度,召回和f测量​​是否有任何好的功能？有没有不同的方法呢？

Answer 1

首先,我创建一个数据集

> predict <- sample(c(0, 1), 20, replace=T)
> true <- sample(c(0, 1), 20, replace=T)

我认为预测值中的那些1是检索到的.检索的总数是

> retrieved <- sum(predict)

精度是相关的检索实例的一部分,是

> precision <- sum(predict & true) / retrieved

回想一下,哪个是检索到的相关实例的一部分,是

> recall <- sum(predict & true) / sum(true)

F测量是2*精度*召回/(精确+召回)是

> Fmeasure <- 2 * precision * recall / (precision + recall)

Answer 2

只需将帕特里克的精彩答案巧妙地整合到一个功能中......

measurePrecisionRecall <- function(predict, actual_labels){
  precision <- sum(predict & actual_labels) / sum(predict)
  recall <- sum(predict & actual_labels) / sum(actual_labels)
  fmeasure <- 2 * precision * recall / (precision + recall)

  cat('precision:  ')
  cat(precision * 100)
  cat('%')
  cat('\n')

  cat('recall:     ')
  cat(recall * 100)
  cat('%')
  cat('\n')

  cat('f-measure:  ')
  cat(fmeasure * 100)
  cat('%')
  cat('\n')
}

Answer 3

你可以得到所有这些指标与功能confusionMatrix()从caret包。

# Create a sample
predicted <- as.factor(sample(c(0, 1), 100, replace=T))
realized  <- as.factor(sample(c(0, 1), 100, replace=T))

# Compute the confusion matrix and all the statistics
result <- confusionMatrix(predicted, realized, mode="prec_recall")

result
result$byClass["Precision"]
result$byClass["Recall"]
result$byClass["F1"]