从概率到混淆矩阵
反过来，假设您希望模型在识别水雷时尽可能不漏判。此时，您可以把预测阈值设为 0.10，而不是 0.90。
将概率切分为预测类别、然后计算混淆矩阵的代码模式，已在本章的练习 7 中演示过。
本练习是课程的一部分
在 R 中使用 caret 的机器学习
练习说明
- 使用
ifelse()创建字符向量m_or_r：当p大于 0.1 时为正类"M"，否则为负类"R"。 - 将
m_or_r转换为因子p_class，其水平与test[["Class"]]的水平一致。 - 使用
confusionMatrix()构建混淆矩阵，传入p_class和test数据集中的"Class"列。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# If p exceeds threshold of 0.1, M else R: m_or_r
# Convert to factor: p_class
# Create confusion matrix