ROSEパッケージの潜在的なバグ：Rの精度、リコール、精度の差

Question

ローズライブラリで測定値を計算すると、リコール、精度、およびF1の測定値が得られます。しかし、私がそれらを手動で計算すると、リコールと精度の測定値は異なります。どうして？

install.packages("ROSE") 
library(ROSE) 
library(rpart) 


s = sample(957,200) 
training = data[-s,] 
test = data[s,] 

### Rose 
treeimb <- rpart(Riskdrinker ~ ., data = training) 
pred.treeimb <- predict(treeimb, newdata = test) 
accuracy.meas(test$Riskdrinker, pred.treeimb[,2]) 

出力

コール：accuracy.meas（応答=試験の$ Riskdrinker、= pred.treeimb予測[2 ]）

例は、場合陽性と標識されています予測が0.5より大きい。

精度：0.919再呼び出し：0.943F：0.465

しかし、このような対策を計算すると、精度とリコールに関する他の結果が得られます。

treeimb <- rpart(Riskdrinker ~ ., data = training) 
pred.treeimb <- predict(treeimb, newdata = test) 
pred <- predict(treeimb, newdata = test, type="class") 
confMat <- table(test$Riskdrinker, pred) 

#Precision 
message("Precision: ", specify_decimal(confMat[1,1]/(confMat[1,1] + confMat[2,1])*100, 1), " %") 


#Recall 
message("Recall: ", specify_decimal(confMat[1]/(confMat[1] + confMat[1,2])*100, 1), " %") 

#Accuracy 
message("Accuracy: ", specify_decimal((confMat[1]+confMat[2,2])/(confMat[1] + confMat[1,2] + confMat[2,1] + confMat[2,2])*100, 1), " %") 

このようにしてください。同じ同じ。

精度< - 和（DIAG（confMat））/ SUM（confMat）

これはもたらす：

• 精度：76.9パーセント
• リコール：69.8パーセント
• 精度：89.0％

コードとの主な違いは、ケースの1つでtype = "class"を使用していることですが、その違いは何ですか？あなたもローズから行列を得ることができますか？ これは私のデータセットを公開しない限り、再現可能な例であると言えます。

Answer 1

ROSEライブラリはその後、バグがあるように見える：

精度：0.919リコール：0.943 F：max(p,r) >= f >= min(p,r)

はたぶん、あなたはバグを修正する可能性があるため、0.465

は明らかに矛盾しているが著者にパッチを送ってください。

Answer 2

私はローズパッケージでいくつかの実験を行い、実際に間違っていることがわかりました。ここで

は、彼らの.meas機能からいくつかの版画です：

negatives: 21.8284728768508 
n.negatives 45 
postives 135.677199132703 
n.positives 155 
TP: 143 
FP 16 
TN 29 
FN 12 

私たちが見ることができますどのように私のテーブルに混同行列

pred <- predict(treeimb, newdata = test, type="class") 
confMat <- table(pred, test$Riskdrinker) 

      Reference 
Prediction Ja Nej 
     Ja 29 12 
     Nej 16 143 

を比較し、そのTPとTNが間違っているということです。