如何基于混淆矩阵计算直接测试估计误差并提取对应数值

问题1：估计错误率是否可以通过1减去混淆矩阵输出的平均准确率得到？ #

可以。混淆矩阵输出的准确率是预测正确样本数占总样本数的比例，错误率是预测错误样本的占比，二者之和为1，直接用1减去准确率即可得到整体估计错误率，该逻辑对二分类、多分类场景均适用。

问题2：有没有方法可以直接提取该估计误差数值？ #

caret包的confusionMatrix()返回结果为列表结构，可直接提取对应字段计算，代码如下：

# 保存混淆矩阵结果对象
cm <- confusionMatrix(model)
# 直接计算得到估计错误率
error_rate <- 1 - cm$overall[["Accuracy"]]

得到的error_rate就是你需要的估计误差数值。

问题3：如何获取指定格式的整数型混淆矩阵数值结果？ #

混淆矩阵结果中的table字段本身就是整数格式的统计结果，直接提取即可，如需自定义类别命名可修改维度名，代码如下：

# 提取原始混淆矩阵表
cm_table <- cm$table
# 可选操作：将类别重命名为0、1（二分类场景），如果是iris这类3分类数据集可改为c("0", "1", "2")
dimnames(cm_table) <- list(
  Prediction = c("0", "1"),
  Reference = c("0", "1")
)
# 输出结果就是你需要的格式
print(cm_table)

内容的提问来源于stack exchange，提问作者Skn U