250612_r

# 2025-06-12
# install.packages("sparsevctrs", dependencies = TRUE)
# install.packages("hardhat", dependencies = TRUE)
# install.packages("recipes", dependencies = TRUE)
# install.packages("caret", dependencies = TRUE)
library(caret)

## Loading required package: ggplot2

## Loading required package: lattice

# 1. 필요한 패키지 로드
library(mlbench)     
# Sonar 데이터셋
library(caret)       
library(rpart)       
# 2. 데이터 로드
data(Sonar)
# 모델 학습 및 평가
# 의사결정나무 모델
set.seed(123)  # 재현 가능성 확보

# 3. 데이터 분할 (75% train, 25% test)
index <- createDataPartition(Sonar$Class, p = 0.75, list = FALSE)
train_data <- Sonar[index, ]
test_data  <- Sonar[-index, ]
# 4. 분류 모델 학습 (의사결정나무 사용)
model <- train(Class ~ ., data = train_data, method = "rpart")
# 5. 예측
pred <- predict(model, newdata = test_data)
# 6. 혼동행렬 생성
conf_matrix <- confusionMatrix(pred, test_data$Class)
print(conf_matrix)

## Confusion Matrix and Statistics
## 
##           Reference
## Prediction  M  R
##          M 19  7
##          R  8 17
##                                           
##                Accuracy : 0.7059          
##                  95% CI : (0.5617, 0.8251)
##     No Information Rate : 0.5294          
##     P-Value [Acc > NIR] : 0.007812        
##                                           
##                   Kappa : 0.4111          
##                                           
##  Mcnemar's Test P-Value : 1.000000        
##                                           
##             Sensitivity : 0.7037          
##             Specificity : 0.7083          
##          Pos Pred Value : 0.7308          
##          Neg Pred Value : 0.6800          
##              Prevalence : 0.5294          
##          Detection Rate : 0.3725          
##    Detection Prevalence : 0.5098          
##       Balanced Accuracy : 0.7060          
##                                           
##        'Positive' Class : M               
## 

#TP (True Positive) = 19 : 실제 M을 M으로 정확히 예측
#FP (False Positive) = 7 : 실제 R인데 M으로 잘못 예측
#FN (False Negative) = 8 : 실제 M인데 R으로 잘못 예측
#TN (True Negative) = 17 : 실제 R을 R으로 정확히 예