当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

R yardstick bal_accuracy 平衡的精度


平衡精度此处计算为 sens() 和 spec() 的平均值。

用法

bal_accuracy(data, ...)

# S3 method for data.frame
bal_accuracy(
  data,
  truth,
  estimate,
  estimator = NULL,
  na_rm = TRUE,
  case_weights = NULL,
  event_level = yardstick_event_level(),
  ...
)

bal_accuracy_vec(
  truth,
  estimate,
  estimator = NULL,
  na_rm = TRUE,
  case_weights = NULL,
  event_level = yardstick_event_level(),
  ...
)

参数

data

包含 truth 和 estimate 参数指定的列的 data.frame，或者 table /matrix，其中真正的类结果应位于表的列中。

...

目前未使用。

truth

真实类结果的列标识符(即 factor )。这应该是一个不带引号的列名，尽管此参数是通过表达式传递的并且支持quasiquotation(您可以不带引号的列名)。对于 _vec() 函数，一个 factor 向量。

estimate

预测类结果的列标识符(也是 factor )。与 truth 一样，可以通过不同的方式指定，但主要方法是使用不带引号的变量名称。对于 _vec() 函数，一个 factor 向量。

estimator

其中之一： "binary" 、 "macro" 、 "macro_weighted" 或 "micro" 指定要完成的平均类型。 "binary" 仅与两类情况相关。其他三种是计算多类指标的通用方法。默认会根据 estimate 自动选择 "binary" 或 "macro" 。

na_rm

logical 值，指示在计算继续之前是否应剥离 NA 值。

case_weights

案例权重的可选列标识符。这应该是一个不带引号的列名称，其计算结果为 data 中的数字列。对于 _vec() 函数，一个数值向量。

event_level

单个字符串。 "first" 或"second" 指定将truth 的哪个级别视为"event"。此参数仅适用于 estimator = "binary" 。默认使用内部帮助程序，通常默认为 "first" ，但是，如果设置了已弃用的全局选项 yardstick.event_first ，则将使用该帮助程序并发出警告。

值

tibble 包含列 .metric 、 .estimator 和 .estimate 以及 1 行值。

对于分组 DataFrame ，返回的行数将与组数相同。

对于 bal_accuracy_vec() ，单个 numeric 值(或 NA )。

相关级别

在计算二元分类指标时，对于哪个因子级别应自动被视为 "event" 或 "positive" 结果，没有通用约定。在 yardstick 中，默认使用第一级。要更改此设置，请将参数 event_level 更改为 "second" 以将因子的最后一个级别视为感兴趣级别。对于涉及 one-vs-all 比较(例如宏平均)的多类扩展，此选项将被忽略，并且 "one" 级别始终是相关结果。

多级

此指标可使用宏观、微观和宏观加权平均。如果提供了超过 2 个级别的 truth 因子，则默认选择宏平均。否则，将进行标准二进制计算。有关详细信息，请参阅vignette("multiclass", "yardstick")。

也可以看看

其他类指标：accuracy() , detection_prevalence() , f_meas() , j_index() , kap() , mcc() , npv() , ppv() , precision() , recall() , sens() , spec()

作者

马克斯·库恩

例子

# Two class
data("two_class_example")
bal_accuracy(two_class_example, truth, predicted)
#> # A tibble: 1 × 3
#>   .metric      .estimator .estimate
#>   <chr>        <chr>          <dbl>
#> 1 bal_accuracy binary         0.837

# Multiclass
library(dplyr)
data(hpc_cv)

hpc_cv %>%
  filter(Resample == "Fold01") %>%
  bal_accuracy(obs, pred)
#> # A tibble: 1 × 3
#>   .metric      .estimator .estimate
#>   <chr>        <chr>          <dbl>
#> 1 bal_accuracy macro          0.717

# Groups are respected
hpc_cv %>%
  group_by(Resample) %>%
  bal_accuracy(obs, pred)
#> # A tibble: 10 × 4
#>    Resample .metric      .estimator .estimate
#>    <chr>    <chr>        <chr>          <dbl>
#>  1 Fold01   bal_accuracy macro          0.717
#>  2 Fold02   bal_accuracy macro          0.711
#>  3 Fold03   bal_accuracy macro          0.767
#>  4 Fold04   bal_accuracy macro          0.724
#>  5 Fold05   bal_accuracy macro          0.715
#>  6 Fold06   bal_accuracy macro          0.707
#>  7 Fold07   bal_accuracy macro          0.699
#>  8 Fold08   bal_accuracy macro          0.734
#>  9 Fold09   bal_accuracy macro          0.717
#> 10 Fold10   bal_accuracy macro          0.706

# Weighted macro averaging
hpc_cv %>%
  group_by(Resample) %>%
  bal_accuracy(obs, pred, estimator = "macro_weighted")
#> # A tibble: 10 × 4
#>    Resample .metric      .estimator     .estimate
#>    <chr>    <chr>        <chr>              <dbl>
#>  1 Fold01   bal_accuracy macro_weighted     0.771
#>  2 Fold02   bal_accuracy macro_weighted     0.763
#>  3 Fold03   bal_accuracy macro_weighted     0.799
#>  4 Fold04   bal_accuracy macro_weighted     0.758
#>  5 Fold05   bal_accuracy macro_weighted     0.762
#>  6 Fold06   bal_accuracy macro_weighted     0.746
#>  7 Fold07   bal_accuracy macro_weighted     0.733
#>  8 Fold08   bal_accuracy macro_weighted     0.768
#>  9 Fold09   bal_accuracy macro_weighted     0.734
#> 10 Fold10   bal_accuracy macro_weighted     0.750

# Vector version
bal_accuracy_vec(
  two_class_example$truth,
  two_class_example$predicted
)
#> [1] 0.8366167

# Making Class2 the "relevant" level
bal_accuracy_vec(
  two_class_example$truth,
  two_class_example$predicted,
  event_level = "second"
)
#> [1] 0.8366167

相关用法


注：本文由纯净天空筛选整理自Max Kuhn等大神的英文原创作品 Balanced accuracy。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。