在R中制作错误分类表

Posted 2023-03-13

【中文标题】在R中制作错误分类表

【英文标题】：Making a misclassification table in R

【发布时间】：2019-07-09 14:01:39

【问题描述】：

关于这个问题有几个问题，但我无法找到我的问题的答案。运行KNN 算法后，我创建了一个"observed"/"predicted" 文件。 "observed" 是真实事件，而 "predicted" 是算法分类的事件。我有多个文件，所有文件的名称都遵循以下模式："accuracycollar4136*_4136*.0.*.csv"。这是一个小示例：

> sample<-fread("accuracycollar41361_41366.0.8.csv")
> print(sample)
      V1  observed predicted   
  1:   1   Head-up   Grazing       
  2:   2   Head-up   Head-up      
  3:   3   Head-up   Head-up       
  4:   4   Head-up   Head-up       
  5:   5   Head-up   Head-up       
 ---                                                                                                
236: 236   Unknown   Head-up       
237: 237   Unknown   Grazing      
238: 238 Vigilance   Grazing      
239: 239   Unknown   Grazing       
240: 240   Unknown   Head-up       

我已经计算了不同的分类准确度度量。但是，我接下来想做的是：

1) 创建一个for 循环读取每个"accuracycollar4136*_4136*.0.*.csv" 文件。

2) 对于每个文件，我想创建一个汇总错误分类的表格。

3) 理想情况下，我希望最终得到一个百分比/概率表，说明一个事件被归类为另一个事件的次数比例。例如，假设"Head-up" 80% 的时间被归类为“Head-up”，15% 的时间被归类为 "Grazing"，5% 的时间被归类为 "Unknown"。这是我的想法：

    class Head-up Vigilance Grazing Unknown etc.. 
  Head-up       %         %       %       %
Vigilance       %         %       %       %
  Grazing       %         %       %       %
  Unknown       %         %       %       %
    etc..       %         %       %       %

我总共有 9 个班级，分别是 "Head-up"、"Grazing"、"Browsing"、"Vigilance"、"Unknown"、"Moving"、"Grooming"、"Fleeing"、"Resting"。

现在，这可以用caret 或任何其他包来完成吗？如果没有，是否有一种相对简单的方法来编写这样的过程？至少有人能让我走上正轨吗？

感谢任何帮助！

【参考方案1】：

考虑到您所有的文件都在"your folder" 中（没有别的）

files = as.list(list.files(path = "your folder"))

如果不是这种情况，您只需将文件名列表传递给 files 即可进行下一步

miss_class = lapply(files, function(x)
  data = read.csv(x)
  prop.table(table(data$observed,data$predicted),margin=1)
)

这将生成一个百分比表列表，your folder 中的每个文件对应一个。 margin = 1 表示百分比表的总和为 100%。您可以将列更改为 2 或删除整个表 100% 总和的参数

【讨论】：

是的文件在同一个文件夹中。这是我尝试过的：files = as.list(list.files(path = "C:/Users/Juan/Desktop/KNN/41361_by_41365")) miss_class = lapply(files, function(x) data = read.csv("accuracycollar41361_41365",header=T) prop.table(table(data$observed,data$predicted),margin=1) )

我得到了错误：Error in file(file, "rt") : cannot open the connection In addition: Warning message: In file(file, "rt") : Show Traceback Rerun with Debug Error in file(file, "rt") : cannot open the connection

这可能是因为该文件夹中有一些不是.csv 的文件。您可以删除它们，或者，如果您可以以某种方式生成文件名向量（例如v = c("accuracycollar41361_41366.0.8.csv","accuracycollar41362_41366.0.8.csv",...)），只需执行files = as.list(v)，它应该可以工作。

谢谢，成功了。但是我想知道如何以 csv 格式编写由 R 打印的结果表？我需要在代码开头创建一个对象吗？

您可以使用write.csv(miss_class[[i]],"your_file.csv") 编写每个单独的表，并将i 替换为文件索引。我不确定如何将它们全部保存到同一个文件中，因为这取决于你想要它们的方式。

【参考方案2】：

函数table() 将起作用。这里我写了一个简单的例子来说明它是如何工作的：

predicted<-c(1,0,0,1)
observed<- c(1,1,0,1)
data<-data.frame(predicted, observed)
table(data)