Logistic模型应用于Microtus物种判别时的混淆矩阵构建咨询
Logistic模型混淆矩阵异常的解决方法
核心问题根因
- 混淆矩阵的计算前提是对比样本的真实已知类别标签与模型输出的预测类别,当前你拆分的测试集199个样本的Group列全为"unknown",不存在可用于校验的真实标签,这是输出结果仅出现unknown行的直接原因。
- 变量名匹配错误:原始数据集的实测列名为
M1、M2、Fora、Phone、len、height、Rost,但构建Logistic模型时输入的自变量名M1Left、M3Left、Foramen、Length、Height与实际列名完全错位,模型拟合结果存在本质偏差。 - 数据集拆分逻辑错误:直接按行号硬切前89个样本为训练集,未区分带标签/无标签样本,没有预留带已知类别的样本作为评估集,从拆分环节就缺失了计算混淆矩阵必需的真实标签参照。
正确实现流程
- 分层拆分有标签样本,区分训练集、有标签验证集、无标注待预测集
首先把全量数据按是否带已知类别拆分,避免把无标注样本混入评估环节:# 提取所有带明确类别的样本 labeled_data <- microtus[microtus$Group %in% c("multiplex", "subterraneus"), ] # 取89份已标注标本作为训练集 train.data <- labeled_data[1:89, ] # 剩余已标注样本作为带真实标签的测试集,用于计算混淆矩阵 labeled_test <- labeled_data[90:nrow(labeled_data), ] # 训练集标签转二分类数值编码 train.data$Group <- ifelse(train.data$Group == "multiplex", 1, 0) # 提取全量无标注样本,作为后续待预测对象 unlabeled_data <- microtus[microtus$Group == "unknown", ] - 修正模型自变量名,匹配实际数据集列名
替换不存在的列名为数据集中实际存在的测量指标:model <- glm(Group ~ M1 + Fora + len + height, family = binomial(), data = train.data) summary(model) - 基于带标签测试集计算正常的混淆矩阵
调整混淆矩阵函数逻辑,直接对比原始类别标签,避免数值标签错位:# 对带标签测试集做概率预测 pred_labeled <- predict(model, labeled_test, type = "response") # 自定义混淆矩阵生成函数 createConfusionMatrix = function(actual, preds){ # 按0.5阈值把概率转成对应类别 predClass <- ifelse(preds >= 0.5, "multiplex", "subterraneus") # 生成交叉表:行对应真实类别,列对应预测类别 table(actual, predClass) } # 输出有效混淆矩阵 createConfusionMatrix(labeled_test$Group, pred_labeled) - 无标注样本单独做预测输出
无标注样本不存在真实标签,不参与混淆矩阵计算,仅需要输出模型判定的类别即可:# 对199份无标注标本做类别预测 pred_unlabeled <- predict(model, unlabeled_data, type = "response") unlabeled_data$predicted_group <- ifelse(pred_unlabeled >= 0.5, "multiplex", "subterraneus")
内容的提问来源于stack exchange,提问作者Mo.Muse
相关产品推荐
相关产品推荐

