6.3. Confusion matrix

Матрица сопряженности (Confusion Matrix) — это инструмент, используемый в машинном обучении для оценки производительности классификационных алгоритмов. Она позволяет визуализировать, сколько раз каждый класс был правильно или неправильно классифицирован. Матрица сопряженности содержит информацию о числе верно классифицированных объектов (True Positives и True Negatives) и о числе ошибок (False Positives и False Negatives).

Матрица сопряженности обычно имеет квадратную форму и включает четыре основные категории для бинарной классификации:

• True Positives (TP): Количество объектов, правильно классифицированных как положительные (например, верно предсказанные случаи заболевания).
• True Negatives (TN): Количество объектов, правильно классифицированных как отрицательные (например, верно предсказанные случаи отсутствия заболевания).
• False Positives (FP): Количество объектов, ошибочно классифицированных как положительные (например, здравые люди, ошибочно классифицированные как больные).
• False Negatives (FN): Количество объектов, ошибочно классифицированных как отрицательные (например, больные люди, ошибочно классифицированные как здоровые).

#Source: https://t.me/rstudioprogr

# Загрузка необходимых библиотек
library(caret)
library(ggplot2)
library(mlbench)
library(tibble)
library(cvms)

# Загрузка данных
data("PimaIndiansDiabetes")

# Преобразование фактора
PimaIndiansDiabetes$diabetes <- factor(PimaIndiansDiabetes$diabetes, levels = c("pos", "neg"))

# Разделение данных на обучающую и тестовую выборки
set.seed(123)
trainIndex <- createDataPartition(PimaIndiansDiabetes$diabetes, p = 0.7, list = FALSE)
trainData <- PimaIndiansDiabetes[trainIndex, ]
testData <- PimaIndiansDiabetes[-trainIndex, ]

# Обучение модели (например, метод k ближайших соседей)
model <- train(diabetes ~ ., data = trainData, method = "knn")

# Предсказание на тестовой выборке
predictions <- predict(model, testData)

# Создание матрицы сопряженности
conf_mat <- confusionMatrix(predictions, testData$diabetes)
с1 <- conf_mat$table %>% as.data.frame()
colnames(с1) <- c('Prediction','Target','N')
cvms::plot_confusion_matrix(с1, add_counts = TRUE, palette = "Blues", add_normalized = FALSE)