web-dev-qa-db-ja.com

ConfusionMatrixのエラー。データと参照因子は同じレベル数でなければなりません

Rキャレットでツリーモデルをトレーニングしました。私は今、混同マトリックスを生成し、次のエラーを取得しようとしています：

ConfusionMatrix.default（predictionsTree、testdata $ catgeory）のエラー：データと参照因子は同じレベル数でなければなりません

prob <- 0.5 #Specify class split
singleSplit <- createDataPartition(modellingData2$category, p=prob,
                                   times=1, list=FALSE)
cvControl <- trainControl(method="repeatedcv", number=10, repeats=5)
traindata <- modellingData2[singleSplit,]
testdata <- modellingData2[-singleSplit,]
treeFit <- train(traindata$category~., data=traindata,
                 trControl=cvControl, method="rpart", tuneLength=10)
predictionsTree <- predict(treeFit, testdata)
confusionMatrix(predictionsTree, testdata$catgeory)

混同マトリックスの生成時にエラーが発生します。レベルは両方のオブジェクトで同じです。何が問題なのかわかりません。それらの構造とレベルを以下に示します。それらは同じでなければなりません。それが私をクラックさせるので、どんな助けも大歓迎です！

> str(predictionsTree)
 Factor w/ 30 levels "16-Merchant Service Charge",..: 28 22 22 22 22 6 6 6 6 6 ...
> str(testdata$category)
 Factor w/ 30 levels "16-Merchant Service Charge",..: 30 30 7 7 7 7 7 30 7 7 ...

> levels(predictionsTree)
 [1] "16-Merchant Service Charge"   "17-Unpaid Cheque Fee"         "18-Gov. Stamp Duty"           "Misc"                         "26-Standard Transfer Charge" 
 [6] "29-Bank Giro Credit"          "3-Cheques Debit"              "32-Standing Order - Debit"    "33-Inter Branch Payment"      "34-International"            
[11] "35-Point of Sale"             "39-Direct Debits Received"    "4-Notified Bank Fees"         "40-Cash Lodged"               "42-International Receipts"   
[16] "46-Direct Debits Paid"        "56-Credit Card Receipts"      "57-Inter Branch"              "58-Unpaid Items"              "59-Inter Company Transfers"  
[21] "6-Notified Interest Credited" "61-Domestic"                  "64-Charge Refund"             "66-Inter Company Transfers"   "67-Suppliers"                
[26] "68-Payroll"                   "69-Domestic"                  "73-Credit Card Payments"      "82-CHAPS Fee"                 "Uncategorised"   

> levels(testdata$category)
 [1] "16-Merchant Service Charge"   "17-Unpaid Cheque Fee"         "18-Gov. Stamp Duty"           "Misc"                         "26-Standard Transfer Charge" 
 [6] "29-Bank Giro Credit"          "3-Cheques Debit"              "32-Standing Order - Debit"    "33-Inter Branch Payment"      "34-International"            
[11] "35-Point of Sale"             "39-Direct Debits Received"    "4-Notified Bank Fees"         "40-Cash Lodged"               "42-International Receipts"   
[16] "46-Direct Debits Paid"        "56-Credit Card Receipts"      "57-Inter Branch"              "58-Unpaid Items"              "59-Inter Company Transfers"  
[21] "6-Notified Interest Credited" "61-Domestic"                  "64-Charge Refund"             "66-Inter Company Transfers"   "67-Suppliers"                
[26] "68-Payroll"                   "69-Domestic"                  "73-Credit Card Payments"      "82-CHAPS Fee"                 "Uncategorised"
rmachine-learningclassificationr-caret
20
user2987739

使用してみてください：

confusionMatrix(table(Argument 1, Argument 2))

それは私のために働いた。

12
Mayk Tulio

モデルが特定の要因を予測していない可能性があります。 table()の代わりにconfusionMatrix()関数を使用して、それが問題かどうかを確認します。

5
Red

na.passオプションにna.actionを指定してみてください。

predictionsTree <- predict(treeFit, testdata,na.action = na.pass)
2
aristotll

それらをデータフレームに変更し、confusionMatrix関数で使用します。

pridicted <- factor(predict(treeFit, testdata))
real <- factor(testdata$catgeory)

my_data1 <- data.frame(data = pridicted, type = "prediction")
my_data2 <- data.frame(data = real, type = "real")
my_data3 <- rbind(my_data1,my_data2)

# Check if the levels are identical
identical(levels(my_data3[my_data3$type == "prediction",1]) , levels(my_data3[my_data3$type == "real",1]))

confusionMatrix(my_data3[my_data3$type == "prediction",1], my_data3[my_data3$type == "real",1],  dnn = c("Prediction", "Reference"))
2
S. Think

すべての依存関係とともにパッケージをインストールしたことを確認してください。

install.packages('caret', dependencies = TRUE)

confusionMatrix( table(prediction, true_value) )
0
tino_ladino

Testdataに値が欠落している可能性があります。「predictionsTree <-predict（treeFit、testdata）」の前に次の行を追加して、NAを削除します。私は同じエラーを抱えていましたが、今ではうまくいきます。

testdata <- testdata[complete.cases(testdata),]
0
EaswerC

データにNAが含まれている場合、因子レベルと見なされる場合があるため、最初はこれらのNAを省略します

DF = na.omit(DF)

次に、モデルの適合が何らかの不正確なレベルを予測している場合は、テーブルを使用する方が適切です

confusionMatrix(table(Arg1, Arg2))
0
Sanjay Nandakumar

実行中の長さの問題は、おそらくトレーニングセットにNAが存在することによるものです。完了していないケースを削除するか、欠損値がないように補完します。

0
orange1

私は同じ問題を抱えていましたが、そのようにデータファイルを読み込んだ後に先に進み、変更しました。

data = na.omit(data)

ポインタをありがとう！

0
Alicia