R语言中循环提取Samme.R算法混淆矩阵性能指标求助

你的代码核心问题在于手动计算F1的逻辑有误，且没有结构化存储每次迭代的指标，导致结果混乱。以下是修正后的方案：

问题分析 #

1. confusionMatrix返回的是列表对象，直接用ncol(cm)会获取列表长度而非混淆矩阵列数，逻辑错误。
2. 手动计算F1的公式不准确，多分类下每个类别的F1值confusionMatrix已经在cm$byClass中给出，无需重复计算。
3. 用扁平向量存储所有结果，无法区分迭代次数和对应类别，后续分析困难。

修正代码 #

提前创建结构化数据框存储结果，直接调用内置指标，清晰记录每次迭代的各项性能：

# 初始化结果数据框，预定义列结构
results <- data.frame(
  iteration = integer(),
  class = character(),
  f1_score = numeric(),
  sensitivity = numeric(),
  specificity = numeric(),
  precision = numeric(),
  stringsAsFactors = FALSE
)

# 循环运行模型，这里先测试10次，后续可改为100次
for (i in 1:10) {
  # 训练Samme.R模型
  Sr_model1 <- booster(
    x_train = train[, 1:3],
    y_train = train$P,
    classifier = "rpart",
    method = "real",
    x_test = test[, 1:3],
    y_test = test$P, # 确保测试集标签正确，若标签在第4列则改为test[,4]
    weighted_bootstrap = FALSE,
    max_iter = 30,
    lambda = 0.7
  )
  
  # 生成测试集预测结果
  Sr_p1 <- predict(object = Sr_model1, newdata = test, type = "pred")
  
  # 计算混淆矩阵及所有性能指标
  cm <- confusionMatrix(Sr_p1, test$P, mode = "everything")
  
  # 提取每个类别的详细指标（cm$byClass是每行对应一个类别的数据框）
  class_metrics <- cm$byClass
  # 添加当前迭代次数
  class_metrics$iteration <- i
  # 将类别名称从行名转为列
  class_metrics$class <- rownames(class_metrics)
  
  # 合并当前迭代的指标到总结果
  results <- rbind(results, class_metrics[, c("iteration", "class", "F1", "Sensitivity", "Specificity", "Precision")])
}

# 可选：将结果保存到CSV文件
write.csv(results, "samme_r_multiclass_metrics.csv", row.names = FALSE)

关键说明 #

• cm$byClass包含了多分类场景下每个类别的F1、灵敏度、特异度、精确率等所有常用指标，直接调用即可避免手动计算错误。
• 结果数据框results中，每行对应一次迭代+一个类别的性能数据，方便后续统计（比如计算100次迭代的均值、标准差，对比不同类别的稳定性）。
• 若需要更多指标，可查看cm$byClass的列名，按需添加到结果数据框中。

内容的提问来源于stack exchange，提问作者deniz