如何在R语言中为KNN模型生成含评估指标的混淆矩阵

你已经得到的nn是knn()函数返回的测试集预测类别向量，生成混淆矩阵前需要先准备好测试集对应的真实类别标签（如果你的new.norm.df中存储了真实标签列，可直接提取，比如标签为第3列则为new.norm.df[,3]，下文统一用test.labels代指真实标签向量，你可根据实际情况替换）。 #

方法1：基础R自带函数实现 #

无需安装额外依赖，直接调用table()函数即可生成基础混淆矩阵：

# 行对应真实类别，列对应预测类别
conf_matrix <- table(Actual = test.labels, Predicted = nn)
print(conf_matrix)

如需计算精确率、召回率、F值，可基于生成的混淆矩阵手动计算，也可使用下方第二种方法直接输出所有评估指标。 #

方法2：使用caret包生成带评估指标的混淆矩阵（推荐） #

该方法会自动计算你需要的精确率、召回率、F1值、总体准确率等全套分类评估指标，无需手动计算：

• 第一步：安装并加载caret包（已安装可跳过安装步骤）

# 仅首次使用需要运行安装命令
install.packages("caret")
library(caret)

• 第二步：生成混淆矩阵和评估指标

# 将预测值和真实值统一转为因子类型，避免因类别格式不匹配报错
conf_result <- confusionMatrix(as.factor(nn), as.factor(test.labels))
# 输出完整混淆矩阵和全部评估指标
print(conf_result)
# 单独提取各类别对应的精确率、召回率、F1值
print(conf_result$byClass)

提示：如果是二分类任务，conf_result$byClass会直接输出整体的精确率、召回率、F1值；如果是多分类任务，会输出每个类别对应的上述三项指标。

内容的提问来源于stack exchange，提问作者bigmanlar