오류: 혼돈 행렬에 문제가 있습니다. 데이터 및 참조 요소의 수준은 동일해야 합니다.

R caret를 사용하여 선형 회귀 모델을 훈련시켰습니다. 이제 혼동 행렬을 생성하려고 하는데 다음과 같은 오류가 발생합니다:

오류: confusionMatrix.default(pred, testing$Final) - 데이터와 참조인자는 동일한 수준의 개수여야 합니다

EnglishMarks <- read.csv(E:/Subject Wise Data/EnglishMarks.csv, 
header=TRUE)
inTrain<-createDataPartition(y=EnglishMarks$Final,p=0.7,list=FALSE)
training<-EnglishMarks[inTrain,]
testing<-EnglishMarks[-inTrain,]
predictionsTree <- predict(treeFit, testdata)
confusionMatrix(predictionsTree, testdata$catgeory)
modFit<-train(Final~UT1+UT2+HalfYearly+UT3+UT4,method=lm,data=training)
pred<-format(round(predict(modFit,testing)))              
confusionMatrix(pred,testing$Final)

혼란 행렬을 생성할 때 오류가 발생합니다. 두 개의 객체에서 레벨은 동일합니다. 문제가 무엇인지 알 수가 없습니다. 아래에 구조와 레벨이 제공되어 있습니다. 같아야 합니다. 문제를 해결해 주시면 감사하겠습니다. 너무나도 힘들게 생각중이네요!!

> str(pred)
chr [1:148] 85 84 87 65 88 84 82 84 65 78 78 88 85  
86 77 ...
> str(testing$Final)
int [1:148] 88 85 86 70 85 85 79 85 62 77 ...
> levels(pred)
NULL
> levels(testing$Final)
NULL

답변 1

저도 동일한 문제가 있었습니다.
데이터 인수가 제가 예상한 대로 인수로 형변환되지 않아서 그런 것 같습니다.
다음을 시도해보세요:

confusionMatrix(pred,as.factor(testing$Final))

도움이 되길 바랍니다.

답변 2

오차 행렬 오류 : 데이터와 참조 요인은 동일한 수준의 요소를 가져야합니다.
정확도와 효율성이 높은 기계 학습 알고리즘은 데이터를 학습하고 예측하기 위해 중요한 도구입니다. 그중에서도 오차 행렬은 모델의 성능을 평가하는 데에 광범위하게 사용됩니다. 하지만 때로는 모델을 평가하는 과정에서 오차 행렬 오류 : 데이터와 참조 요인은 동일한 수준의 요소를 가져야합니다라는 메시지를 볼 수 있습니다. 이 오류에 대해 자세히 알아보겠습니다.
오차 행렬은 모델이 예측한 결과를 실제 데이터와 비교하여 참 양성(True Positive), 거짓 양성(False Positive), 참 음성(True Negative), 거짓 음성(False Negative)을 계산합니다. 이를 통해 모델의 정확성과 성능에 대한 정보를 얻을 수 있습니다.
그러나 오차 행렬을 계산하기 위해서는 데이터와 참조 요인이 동일한 수준의 요소를 가져야 합니다. 이는 데이터와 참조 요인 사이의 일관성을 유지하는 데 중요한 역할을 합니다. 예를 들어, 얼굴 인식 모델을 학습하는 경우 얼굴 이미지와 해당 얼굴의 실제 라벨(참조 요인)이 동일한 수준의 요소를 가져야 합니다. 이렇게 함으로써 모델이 얼굴을 정확하게 인식하고 예측할 수 있습니다.
따라서 오차 행렬 오류가 발생하면 데이터와 참조 요인 사이에 불일치가 있는 것입니다. 이러한 경우에는 모델을 평가하는 데에 문제가 발생할 수 있습니다. 따라서 오차 행렬을 계산할 때에는 데이터와 참조 요인을 확인하여 동일한 수준의 요소를 가지도록 해야 합니다.
이러한 오류를 방지하기 위해서는 데이터와 참조 요인의 사전 처리가 필요할 수 있습니다. 예를 들어, 데이터와 참조 요인이 동일한 수준의 범주를 갖도록 변환할 수 있습니다. 이렇게 함으로써 모델이 올바르게 평가되고 효과적으로 학습할 수 있습니다.
오차 행렬 오류에 대한 이해는 기계 학습 알고리즘의 성능을 평가하는 데에 큰 도움이 됩니다. 따라서 데이터를 모델에 적용하기 전에 데이터와 참조 요인의 일관성을 확인하는 것은 매우 중요합니다. 이를 통해 정확한 모델 평가와 원하는 결과를 얻을 수 있습니다.
결론적으로, 오차 행렬은 기계 학습 알고리즘의 성능 평가에 필수적인 도구입니다. 오차 행렬을 계산할 때에는 데이터와 참조 요인이 동일한 수준의 요소를 가져야한다는 점을 기억해야 합니다. 이를 통해 모델의 정확성과 성능을 신뢰할 수 있게 됩니다.