GLMNET多项逻辑回归预测结果

我正在建立一个惩罚的多项式逻辑回归,但是我很难找到一个简单的方法来获得预测的准确性。这是我的代码:

fit.ridge.cv <- cv.glmnet(train[,-1], train[,1], type.measure="mse", alpha=0,
                      family="multinomial")

fit.ridge.best <- glmnet(train[,-1], train[,1], family = "multinomial", alpha = 0,
                     lambda = fit.ridge.cv$lambda.min)

fit.ridge.pred <- predict(fit.ridge.best, test[,-1], type = "response")

我的测试数据的第一列是响应变量,它有4个类别。如果我看结果(fit.ridge.pred),它是这样的:

1,2,3,4
0.8743061353, 0.0122328811, 0.004798154, 0.1086628297

根据我的理解,这些是类概率。我想知道是否有一个简单的方法来计算测试数据的模型精度。现在我取每行的最大值,并与原始标签进行比较。谢谢