如何创建右输出喜欢混淆矩阵表(How to create R output likes confus

我有两个目录：

第一个目录的名称是“模式”，第二个目录是“测试”，文件的两个目录都相同，但具有不同的内容列表。在两个目录也相同的文件的总数，也就是37个文件。

我表现出的从文件的一个内容例子。

从模型目录的第一个文件

名称的文件：Model_A5B45

                               data
1  papaya | durian | orange | grapes
2                             orange
3                             grapes
4                    banana | durian
5                             tomato
6                     apple | tomato
7                              apple
8                        mangostine 
9                         strawberry
10                strawberry | mango

dput输出：

structure(list(data = structure(c(7L, 6L, 4L, 3L, 10L, 2L, 1L, 
5L, 8L, 9L), .Label = c("apple", "apple | tomato", "banana | durian", 
"grapes", "mangostine ", "orange", "papaya | durian | orange | grapes", 
"strawberry", "strawberry | mango", "tomato"), class = "factor")), .Names = "data", class = "data.frame", row.names = c(NA, 
-10L))

在test目录第二个文件

名称的文件：Test_A5B45

                               data
1                             apple
2            orange | apple | mango
3                             apple
4                            banana
5                            grapes
6                            papaya
7                            durian
8 tomato | orange | papaya | durian

dput输出：

structure(list(data = structure(c(1L, 5L, 1L, 2L, 4L, 6L, 3L, 
7L), .Label = c("apple", "banana", "durian", "grapes", "orange | apple | mango", 
"papaya", "tomato | orange | papaya | durian"), class = "factor")), .Names = "data", class = "data.frame", row.names = c(NA, 
-8L))

我想计算相交的数据，并从除在目录中文件测试目录中的文件模型的百分比。

这是例子我只对两个文件（Model_A5B45和Test_A5B45）代码。

library(dplyr)

data_test <- read.csv("Test_A5B45")
data_model <- read.csv("Model_A5B45")
intersect <- semi_join(data_test,data_model)
except <- anti_join(data_test,data_model)
except_percentage <- (nrow(except)/nrow(data_test))*100
intersect_percentage <- (nrow(intersect)/nrow(data_test))*100
sprintf("%s/%s",intersect_percentage,except_percentage)

输出： "37.5/62.5"

我的问题是，我要实现我的代码的所有文件（两个目录中的循环），从而输出将看起来像混淆矩阵..

例如我的意料的输出：

##             y
##              Model_A5B45       Model_A6B46    Model_A7B47
##   Test_A5B45     37.5/62.5          value         value
##   Test_A6B46      value             value         value
##   Test_A7B47      value             value         value

我的答案：

我已经创建的代码，可以处理这些事情，但我仍然不知道如何使输出看起来像混淆矩阵。

这是我的代码：（*我不知道这是有效与否，我使用的循环）

f_performance_testing <- function(data_model_path, data_test_path){
  library(dplyr)
  data_model <- read.csv(data_model_path, header=TRUE)
  data_test <- read.csv(data_test_path, header=TRUE)
  intersect <- semi_join(data_test,data_model)
  except <- anti_join(data_test,data_model)
  except_percentage <- (nrow(except)/nrow(data_test))*100
  intersect_percentage <- (nrow(intersect)/nrow(data_test))*100

  return(list("intersect"=intersect_percentage,"except"=except_percentage))
}


for (model in model_list){
  for (test in test_list){
    result <- f_performance_testing(model,test)
    intersect_percentage <- round(result$intersect,3)
    except_percentage <- round(result$except,3)
    final_output <- sprintf("intersect : %s | except : %s",intersect_percentage,except_percentage) 
    cat(print(paste(substring(model,57),substring(test,56), final_output,sep=",")),file="outfile.txt",append=TRUE,"\n")
    print("Writing to file.......")
  }
}

输出是：

Model_A5B45,Test_A5B45, 37.5/62.5 
Model_A5B45,Test_A6B46, value
Model_A5B45,Test_A7B47, value
Model_A6B46,...... 
Model_A7B47,.....
...............
......
....

是否有任何人可以帮助因为看起来像混淆矩阵表箱改造这个输出？

这不会直接回答你的问题，但我希望给你足够的信息，在你自己的解决办法。

我建议建立像下面这样的函数：

myFun <- function(model, test, datasource) {
  model <- datasource[[model]]
  test <- datasource[[test]]
  paste(rev(mapply(function(x, y) (x/y)*100, 
                   lapply(split(test, test %in% model), length), 
                   length(test))), 
        collapse = "/")
}

这个作用是与两列中使用data.frame ，其中列表示“测试”和“模式” 的值的所有组合（为什么与工作data.frame结构当一个字符vector就足够了？）

下面是这样一个示例data.frame （其他样本数据在答案的末尾找到）。

models <- c("model_1", "model_2", "model_3")
tests <- c("test_1", "test_2", "test_3")
A <- expand.grid(models, tests, stringsAsFactors = FALSE)

接下来，创建一个名为list您的模型和测试。如果你已经在使用读取数据lapply ，很可能你可能有名称与反正工作。

dataList <- mget(c(models, tests))

现在，计算相关值。在这里，我们可以使用apply的每一行循环，并执行相关的计算。

A$value <- apply(A, 1, function(x) myFun(x[1], x[2], dataList))

最后，您reshape从“长”表单中的数据为“宽”的形式。

reshape(A, direction = "wide", idvar = "Var1", timevar = "Var2")
#      Var1 value.test_1 value.test_2 value.test_3
# 1 model_1        75/25          100        75/25
# 2 model_2        50/50        50/50    62.5/37.5
# 3 model_3    62.5/37.5        50/50    87.5/12.5

下面是一些样本数据。请注意，它们是基本的特征向量，而不是data.frame秒。

set.seed(1)
sets <- c("A", "A|B", "B", "C", "A|B|C", "A|C", "D", "A|D", "B|C", "B|D")

test_1 <- sample(sets, 8, TRUE)
model_1 <- sample(sets, 10, TRUE)
test_2 <- sample(sets, 8, TRUE)
model_2 <- sample(sets, 10, TRUE)
test_3 <- sample(sets, 8, TRUE)
model_3 <- sample(sets, 10, TRUE)

在实际应用中，你可能会做这样的事情：

testList <- lapply(list.files(path = "path/to/test/files"),
                   function(x) read.csv(x, stringsAsFactors = FALSE)$data)
modelList <- lapply(list.files(path = "path/to/model/files"),
                   function(x) read.csv(x, stringsAsFactors = FALSE)$data)
dataList <- c(testList, modelList)

但是，这是基于你在为工作代码（例如，没有文件扩展名的CSV文件）你的问题中分享的内容在我的部分纯属猜测。