在插入符号的交叉验证过程中计算模型校准？-Java 学习之路

第一次在这里发布海报，为新秀错误道歉

我使用R中的插入包进行分类 . 我在训练集上使用重复的10倍交叉验证来拟合一些模型（GBM，线性SVM，NB，LDA） . 使用自定义trainControl，插入符号甚至可以为我提供一系列模型性能指标，如ROC，Spec / sens，Kappa，测试折叠的准确度 . 这太棒了 . 我希望还有一个衡量标准：模型校准的一些衡量标准 .

我注意到插入符号中有一个function可以创建一个校准图来估计部分数据的模型性能的一致性 . 在交叉验证的模型构建过程中，是否可以为每个测试折叠计算插入符号？或者它只能应用于我们正在预测的一些新的数据？

对于某些情况，目前我有这样的事情：

fitControl <- trainControl(method = "repeatedcv", repeats=2, number = 10, classProbs = TRUE, summaryFunction = custom.summary)
gbmGrid <-  expand.grid(.interaction.depth = c(1,2,3),.n.trees = seq(100,800,by=100),.shrinkage = c(0.01))
gbmModel <- train(y= train_target, x = data.frame(t_train_predictors),
              method = "gbm",
              trControl = fitControl,
              tuneGrid = gbmGrid,
              verbose = FALSE)

如果它有帮助，我使用~25个数字预测值，N = 2,200，预测一个两级因子 .

非常感谢您的任何帮助/建议 . 亚当

1 回答

calibration 函数接受您提供的任何数据 . 您可以从 train 子对象 pred 获取重新采样的值：

> set.seed(1)
> dat <- twoClassSim(2000)
> 
> set.seed(2)
> mod <- train(Class ~ ., data = dat, 
+              method = "lda",
+              trControl = trainControl(savePredictions = TRUE,
+                                       classProbs = TRUE))
> 
> str(mod$pred)
'data.frame':   18413 obs. of  7 variables:
 $ pred     : Factor w/ 2 levels "Class1","Class2": 1 2 2 1 1 2 1 1 2 1 ...
 $ obs      : Factor w/ 2 levels "Class1","Class2": 1 2 2 1 1 2 1 1 2 2 ...
 $ Class1   : num  0.631 0.018 0.138 0.686 0.926 ...
 $ Class2   : num  0.369 0.982 0.8616 0.3139 0.0744 ...
 $ rowIndex : int  1 3 4 10 12 13 18 22 25 27 ...
 $ parameter: Factor w/ 1 level "none": 1 1 1 1 1 1 1 1 1 1 ...
 $ Resample : chr  "Resample01" "Resample01" "Resample01" "Resample01" ...

然后你可以使用：

> cal <- calibration(obs ~ Class1, data = mod$pred)
> xyplot(cal)

请记住，使用许多重新采样方法，单个训练集实例将被多次保留：

> table(table(mod$pred$rowIndex))

  2   3   4   5   6   7   8   9  10  11  12  13  14  15  16  17 
  2  11  30  77 135 209 332 314 307 231 185  93  48  16   6   4

如果您愿意，可以按 rowIndex 平均类概率 .

马克斯

回复于 2024-04-27T01:15:34+08:00

在插入符号的交叉验证过程中计算模型校准？

1 回答

相关问题