我有一个名为EYETESTS的5个变量数据集。这些变量是MAD,SAD,RED,BLUE和LEVEL。
MAD,SAD,RED,BLUE和LEVEL都是具有2个因子的因子变量,表示是(1)或否(0)。
示例:
MAD | SAD | RED | BLUE | LEVEL |
---|---|---|---|---|
0 | 0 | 0 | 1 | 1 |
0 | 1 | 1 | 0 | 0 |
1 | 0 | 0 | 1 | 0 |
0 | 1 | 0 | 0 | 0 |
0 | 0 | 1 | 0 | 0 |
1 | 0 | 0 | 0 | 1 |
该程序相关,返回翻译文本:
我正在尝试创建一个MAD对LEVEL的混淆矩阵。我的参考变量是LEVEL。其他变量都是预测/测试变量。
然后,创建一个单独的SAD对LEVEL的混淆矩阵。 然后,创建一个单独的RED对LEVEL的混淆矩阵。 然后,创建一个单独的BLUE对LEVEL的混淆矩阵。
我遇到的问题是计算灵敏度和特异度的95%置信区间以及其他内容。
我可以使用caret库以我想要的形式获取输出。
library(caret)
confusionMatrix(as.factor(SAD), as.factor(LEVEL))
这个程序可以输出我想要的灵敏度、特异性和准确率,但我还想得到灵敏度和特异性的95%置信区间。
非常感谢您的帮助。我已经尝试使用conf
包和epiR
包,但它们没有给出灵敏度和特异性的置信区间。