如何计算R语言生成的混淆矩阵的准确率与错误率

核心逻辑 #

你生成的混淆矩阵cm结构为「行=预测类别，列=真实类别」，两个指标的计算规则如下：

• 准确率：所有样本中分类正确的占比，计算公式为 混淆矩阵对角线元素之和（正确分类样本数）/ 所有元素之和（总样本数）
• 错误率：所有样本中分类错误的占比，计算公式为 混淆矩阵非对角线元素之和（错误分类样本数）/ 所有元素之和（总样本数），二者满足关系：准确率 = 1 - 错误率

你的数据计算结果 #

针对你给出的混淆矩阵，直接计算可得：

• 正确分类样本数：126 + 483 + 1413 + 90 + 6566 + 1899 + 1994 + 375 = 12946
• 总样本数：所有元素求和为16149
• 准确率≈12946/16149≈80.17%
• 错误率≈1-80.17%≈19.83%

R代码实现 #

你可以直接基于已经生成的cm对象运行以下代码得到结果：

# 计算准确率
accuracy <- sum(diag(cm)) / sum(cm)
# 计算错误率两种方式
error_rate <- 1 - accuracy
error_rate_direct <- (sum(cm) - sum(diag(cm))) / sum(cm)

# 输出保留两位小数的百分比结果
cat("准确率：", round(accuracy*100, 2), "%\n", sep = "")
cat("错误率：", round(error_rate*100, 2), "%\n", sep = "")

内容的提问来源于stack exchange，提问作者user16596066