如何获取逻辑回归模型预测结果的混淆矩阵？

问题核心原因 #

1. calculateConfusionMatrix（mlr包函数）需要真实标签与预测标签配对才能生成混淆矩阵，但titanic_test数据集默认不含Survived真实标签；
2. 你仅传入了预测响应值，不符合函数的参数要求。

解决方法一：训练集交叉验证（无需外部测试集） #

直接在训练阶段通过交叉验证评估模型并获取混淆矩阵：

# 定义10折交叉验证策略
cv_strategy <- makeResampleDesc("CV", iters = 10)
# 执行交叉验证，指定评估指标包含混淆矩阵
cv_results <- resample(logReg, titanicTask, resampling = cv_strategy, measures = list(cm))
# 查看混淆矩阵
print(cv_results$measures.test$cm)

解决方法二：使用带真实标签的测试集 #

如果你有包含Survived真实标签的测试数据，可通过以下两种方式计算：

方式1：利用Prediction对象直接计算 #

确保测试数据集包含Survived列，预测后直接传入函数：

# 假设titanicNewClean_unseen包含Survived真实标签
titanic_prediction <- predict(logRegModel, newdata = titanicNewClean_unseen)
# 生成混淆矩阵
confusion_mat <- calculateConfusionMatrix(titanic_prediction)
print(confusion_mat)

方式2：手动传入真实与预测标签 #

若真实标签单独存储（比如变量true_survived）：

# 提取预测标签
pred_survived <- titanic_prediction$data$response
# 计算混淆矩阵
confusion_mat <- calculateConfusionMatrix(pred = pred_survived, true = true_survived)
print(confusion_mat)

补充提示 #

• titanic包的titanic_test默认无Survived标签，若需用该数据集评估，需自行获取完整测试集标签（如从Kaggle泰坦尼克竞赛数据集下载）；
• 若使用mlr的新版本mlr3，需改用confusion_matrix()函数，用法类似：

library(mlr3)
confusion_mat <- confusion_matrix(pred_survived, true_survived)

内容的提问来源于stack exchange，提问作者Rizzle