欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

R语言-生成频数表和列联表crosstable函数介绍

程序员文章站 2022-03-17 22:39:24
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:tot...

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。如有错误或未考虑完全的地方,望不吝赐教。