So lösen Sie "Die Daten können nicht mehr Ebenen haben als die Referenz" Fehler bei der Verwendung von ConfusioMatrix?

Question

Ich verwende R-Programmierung. Ich teilte die Daten als Zug & Test für die Vorhersage Genauigkeit.

Dies ist mein Code:

library("tree") 
credit<-read.csv("C:/Users/Administrator/Desktop/german_credit (2).csv") 

library("caret") 
set.seed(1000) 

intrain<-createDataPartition(y=credit$Creditability,p=0.7,list=FALSE) 
train<-credit[intrain, ] 
test<-credit[-intrain, ] 

treemod<-tree(Creditability~. , data=train) 
plot(treemod) 
text(treemod) 

cv.trees<-cv.tree(treemod,FUN=prune.tree) 
plot(cv.trees) 

prune.trees<-prune.tree(treemod,best=3) 
plot(prune.trees) 
text(prune.trees,pretty=0) 

install.packages("e1071") 
library("e1071") 
treepred<-predict(prune.trees, newdata=test) 

confusionMatrix(treepred, test$Creditability) 

Die Nachricht kommt folgende Fehler in confusionMatrix:

Fehler in confusionMatrix.default (rpartpred, test $ Credit): die Daten können nicht mehr Ebenen als Die Referenz

Die Kreditdaten können auf dieser Website heruntergeladen werden.
http://freakonometrics.free.fr/german_credit.csv

Answer 1

Wenn Sie sich Ihre Plots genau ansehen, werden Sie sehen, dass Sie einen Regressionsbaum und keinen Klassifizierungsbaum trainieren. Wenn Sie nach dem Einlesen der Daten credit$Creditability <- as.factor(credit$Creditability) ausführen und type = "class" in der Vorhersagefunktion verwenden, sollte Ihr Code funktionieren.

Code:

credit <- read.csv("http://freakonometrics.free.fr/german_credit.csv") 

credit$Creditability <- as.factor(credit$Creditability) 

library(caret) 
library(tree) 
library(e1071) 

set.seed(1000) 
intrain <- createDataPartition(y = credit$Creditability, p = 0.7, list = FALSE) 
train <- credit[intrain, ] 
test <- credit[-intrain, ] 

treemod <- tree(Creditability ~ ., data = train,) 

cv.trees <- cv.tree(treemod, FUN = prune.tree) 
plot(cv.trees) 

prune.trees <- prune.tree(treemod, best = 3) 
plot(prune.trees) 
text(prune.trees, pretty = 0) 

treepred <- predict(prune.trees, newdata = test, type = "class") 
confusionMatrix(treepred, test$Creditability)