首页 文章

在插入符号中使用成本敏感的C50

提问于
浏览 次
6

我在火车包中使用火车训练一些c50型号 . 我设法用C5.0方法做得很好但是当我想使用成本敏感的C50方法时，我很难理解如何调整成本参数 . 我想要做的是在预测错误的课程时引入费用 . 我尝试在插入包网站（http://topepo.github.io/caret/index.html）中搜索并阅读此处和那里找到的几本手册/教程 . 我没有找到有关如何处理成本参数的任何信息 . 所以这就是我自己尝试的：

  • 使用默认设置运行火车，看看我得到了什么 . 在输出中，列车功能尝试从0到2的成本，并给出成本= 2的最佳模型 .

  • 尝试在expand.grid函数中添加成本作为矩阵，就像使用C5.0包一样 . 代码如下（试验被推到1，因为我只想在输出中输入一棵树/一套规则）

c50Grid < - expand.grid（.trials = 1，.model = c（“tree”，“rules”）,. winnow = c（“TRUE”，“FALSE”）,. cost = matrix（c（0,1） ，2,0），ncol = 2））

然而，当我执行列车功能时，虽然我没有收到任何错误（但我得到50个警告），火车再次尝试从0到2的成本 . 我做错了什么？哪种格式有成本参数？这是什么意思？我如何解释结果？获得成本的那一类是“预测0级错误成本是否超过1级”？此外，我尝试使用一个矩阵，但虽然它不适用于这种格式，我如何添加我想测试的不同成本？

谢谢！任何帮助都会非常受欢迎！

编辑：

所以，试着自己找一个关于C5.0Cost成本参数含义的答案，我去了C5.0Cost.R（https://r-forge.r-project.org/scm/viewvc.php/models/files/C5.0Cost.R?view=markup&root=caret&pathrev=761）并查找了代码 . 这一行：

cmat <-matrix(c(0, param$cost, 1, 0), ncol = 2)

我猜，它将成本参数传递给成本矩阵 . 所以，我想现在我能理解它是如何运作的 . 如果我有class = {0,1}并且我的正类是0，那么这个矩阵表示“预测0级错误成本比1级高两倍”，对吧？我现在的问题是，我怎么能这样做呢？我怎么能设置“预测1级错误成本比0级加倍”，这将是：

cmat <- matrix(c(0, 1, param$cost, 0), ncol=2)

我可以将成本设置为0.5吗？如果想要使用不同的值进行训练，只需使用小于1 {0.5,0.6,0.7等}的值 . 注意：我的数据的方式，当我之前使用C50或其他树时，它采用“正类= 0”，所以当我使用C50时我不得不反转成本矩阵，所以如果我使用插入方法C5.0Cost，我我需要做同样的事情或找到另一种方式来做到这一点......

我真的很感激这里的任何帮助 . 谢谢！

r r-caret

2 回答

  • 1

    train 和C5.0（使用 method = "C5.0Cost" ）有一个成本敏感的型号代码 . 例如：

    library(caret)

set.seed(1)
dat1 <- twoClassSim(1000, intercept = -12)
dat2 <- twoClassSim(1000, intercept = -12)

stats <- function (data, lev = NULL, model = NULL)  {
  c(postResample(data[, "pred"], data[, "obs"]),
    Sens = sensitivity(data[, "pred"], data[, "obs"]),
    Spec = specificity(data[, "pred"], data[, "obs"]))
}

ctrl <- trainControl(method = "repeatedcv", repeats = 5,
                     summaryFunction = stats)

set.seed(2)
mod1 <- train(Class ~ ., data = dat1, 
              method = "C5.0",
              tuneGrid = expand.grid(model = "tree", winnow = FALSE,
                                     trials = c(1:10, (1:5)*10)),
              trControl = ctrl)

xyplot(Sens + Spec ~ trials, data = mod1$results, 
       type = "l",
       auto.key = list(columns = 2, 
                       lines = TRUE, 
                       points = FALSE))

set.seed(2)
mod2 <- train(Class ~ ., data = dat1, 
              method = "C5.0Cost",
              tuneGrid = expand.grid(model = "tree", winnow = FALSE,
                                     trials = c(1:10, (1:5)*10),
                                     cost = 1:10),
              trControl = ctrl)

xyplot(Sens + Spec ~ trials|format(cost), data = mod2$results, 
       type = "l",
       auto.key = list(columns = 2, 
                       lines = TRUE, 
                       points = FALSE))

    马克斯

    回复于
  • 5

    如果我有class = {0,1}并且我的正类是0，那么这个矩阵说“预测0级错误成本比1级高两倍”，对吧？我现在的问题是，我怎么能这样做呢？我怎么能设置“预测1级错误成本比0级加倍”[...]？

    不幸的是，您目前无法改变插入符号中误报的成本 . 这似乎是一个错误！有关此问题的详细信息，请参阅此post .

    回复于

相关问题