我认为使用预测存在问题,因为您忘记提供新数据。另外,您还可以使用该功能confusionMatrix
来自caret
包来计算和显示混淆矩阵,但您不需要在调用之前列出结果。
在这里,我创建了一个玩具数据集,其中包含代表性的二进制目标变量,然后我训练了一个与您所做的类似的模型。
train <- data.frame(LoanStatus_B = as.numeric(rnorm(100)>0.5), b= rnorm(100), c = rnorm(100), d = rnorm(100))
logitMod <- glm(LoanStatus_B ~ ., data=train, family=binomial(link="logit"))
现在,您可以预测数据(例如,您的训练集),然后使用confusionMatrix()
这需要两个参数:
library(caret)
# Use your model to make predictions, in this example newdata = training set, but replace with your test set
pdata <- predict(logitMod, newdata = train, type = "response")
# use caret and compute a confusion matrix
confusionMatrix(data = as.numeric(pdata>0.5), reference = train$LoanStatus_B)
这是结果
Confusion Matrix and Statistics
Reference
Prediction 0 1
0 66 33
1 0 1
Accuracy : 0.67
95% CI : (0.5688, 0.7608)
No Information Rate : 0.66
P-Value [Acc > NIR] : 0.4625