列联表crosstable
列联表不仅可以用来做简单的描述性统计,还可以在机器学习中用来比较识别正确率,FPR,TPR等等数据,以便我们比较不同的ML模型 or 调参。
2x2列联表一般长下面这样:
Total Observations in Table: 143
| test_cancer$diagnosis
lda.class | 0 | 1 | Row Total |
-------------|-----------|-----------|-----------|
0 | 82 | 11 | 93 |
| 0.882 | 0.118 | 0.650 |
| 0.988 | 0.183 | |
| 0.573 | 0.077 | |
-------------|-----------|-----------|-----------|
1 | 1 | 49 | 50 |
| 0.020 | 0.980 | 0.350 |
| 0.012 | 0.817 | |
| 0.007 | 0.343 | |
-------------|-----------|-----------|-----------|
Column Total | 83 | 60 | 143 |
| 0.580 | 0.420 | |
-------------|-----------|-----------|-----------|
创建列联表crosstable
推荐使用R中“gmodels”包的CrossTable()函数来做。
举例
## 使用knn模型做预测
knn_pred_1 = knn(train_cancer[,2:4], test_cancer[,2:4], train_cancer$diagnosis, k=1)
## 创建列联表看预测效果
CrossTable(x = knn_pred_1, y = test_cancer$diagnosis, prop.chisq = FALSE)
>
Cell Contents
|-------------------------|
| N |
| N / Row Total |
| N / Col Total |
| N / Table Total |
|-------------------------|
Total Observations in Table: 143
| test_cancer$diagnosis
knn_pred_1 | 0 | 1 | Row Total |
-------------|-----------|-----------|-----------|
0 | 77 | 8 | 85 |
| 0.906 | 0.094 | 0.594 |
| 0.928 | 0.133 | |
| 0.538 | 0.056 | |
-------------|-----------|-----------|-----------|
1 | 6 | 52 | 58 |
| 0.103 | 0.897 | 0.406 |
| 0.072 | 0.867 | |
| 0.042 | 0.364 | |
-------------|-----------|-----------|-----------|
Column Total | 83 | 60 | 143 |
| 0.580 | 0.420 | |
-------------|-----------|-----------|-----------|
注意事项
在crosstable函数中,prop.chisq 这个argument默认是true,但实际上大部分使用场景不需要这个卡方概率,所以可以单独在函数中设置prop.chisq = FALSE
函数语法:
CrossTable(x, y, digits=3, max.width = 5, expected=FALSE, prop.r=TRUE, prop.c=TRUE,
prop.t=TRUE, prop.chisq=TRUE, chisq = FALSE, fisher=FALSE, mcnemar=FALSE,
resid=FALSE, sresid=FALSE, asresid=FALSE,
missing.include=FALSE,
format=c("SAS","SPSS"), dnn = NULL, ...)
参数说明:
x,y:列联表的两个特征向量
digit:指定结果小数位数
prop.r:行比例是否加入
prop.c:列比例是否加入
prop.t:表比例是否加入
prop.chisq:每个单元的卡方值是否加入
chisq:卡方检验结果是否加入
频数表
频数表给出了各个特征值出现的频数,下面使用R自带的数据集“CO2”举例
head(CO2)
#得到“conc”特征的频数表
table(CO2$conc)
结果:
95 175 250 350 500 675 1000
12 12 12 12 12 12 12
补充:R--生成各种列联表
看代码吧~
library(vcd)
head(Arthritis)
table(Arthritis$Treatment,Arthritis$Improved)
with(Arthritis,table(Treatment,Improved))
mytable <- xtabs(~Treatment+Improved,data = Arthritis)
with(Arthritis,xtabs(~Treatment+Improved,data = Arthritis))
margin.table(mytable,2) # sum by row
prop.table(mytable,2) #proportion by column
prop.table(mytable) #proportion by total
addmargins(mytable)
addmargins(mytable,1)
addmargins(prop.table(mytable,2),1)
library(gmodels)
CrossTable(Arthritis$Treatment,Arthritis$Improved) ##SAS format
以上为个人经验,希望能给大家一个参考,也希望大家多多支持编程网。如有错误或未考虑完全的地方,望不吝赐教。