当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


R probably cal_estimate_beta 使用 Beta 校准模型来计算新概率


使用 Beta 校准模型来计算新概率

用法

cal_estimate_beta(
  .data,
  truth = NULL,
  shape_params = 2,
  location_params = 1,
  estimate = dplyr::starts_with(".pred_"),
  parameters = NULL,
  ...
)

# S3 method for data.frame
cal_estimate_beta(
  .data,
  truth = NULL,
  shape_params = 2,
  location_params = 1,
  estimate = dplyr::starts_with(".pred_"),
  parameters = NULL,
  ...,
  .by = NULL
)

# S3 method for tune_results
cal_estimate_beta(
  .data,
  truth = NULL,
  shape_params = 2,
  location_params = 1,
  estimate = dplyr::starts_with(".pred_"),
  parameters = NULL,
  ...
)

# S3 method for grouped_df
cal_estimate_beta(
  .data,
  truth = NULL,
  shape_params = 2,
  location_params = 1,
  estimate = NULL,
  parameters = NULL,
  ...
)

参数

.data

未分组的 data.frame 对象或 tune_results 对象,包含预测和概率列。

truth

真实类别结果的列标识符(即一个因子)。这应该是一个不带引号的列名。

shape_params

要使用的形状参数的数量。接受的值为 1 和 2。默认为 2。

location_params

要使用的位置参数的数量。接受值 1 和 0。默认为 1。

estimate

列标识符向量,或 dplyr 选择器函数之一,用于选择哪些变量包含类概率。它默认为 tidymodels 使用的前缀 ( .pred_ )。标识符的顺序将被视为与 truth 变量的级别顺序相同。

parameters

(可选)可选的调整参数值小标题,可用于在处理之前过滤预测值。仅适用于tune_results 对象。

...

传递给用于计算新概率的模型或例程的附加参数。

.by

分组变量的列标识符。这应该是一个不带引号的列名称,用于选择用于分组的定性变量。默认为 NULL 。当.by = NULL时,不会进行分组。

细节

该函数使用betacal::beta_calibration() 函数,并保留生成的模型。

多类扩展

此方法设计用于两个类。对于多类,它为每个类创建一组“一对一”校准。将它们应用于数据后,概率估计值会重新归一化以加一。最后一步可能会影响校准。

参考

Meelis Kull、Telmo M. Silva Filho、Peter Flach“超越 sigmoid:如何通过 beta 校准从二元分类器获取 well-calibrated 概率”,《电子统计杂志》11(2), 5052-5080, (2017)

也可以看看

https://www.tidymodels.org/learn/models/calibration/, cal_validate_beta()

例子

# It will automatically identify the probability columns
# if passed a model fitted with tidymodels
cal_estimate_beta(segment_logistic, Class)
#> 
#> ── Probability Calibration 
#> Method: Beta calibration
#> Type: Binary
#> Source class: Data Frame
#> Data points: 1,010
#> Truth variable: `Class`
#> Estimate variables:
#> `.pred_good` ==> good
#> `.pred_poor` ==> poor

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 Uses a Beta calibration model to calculate new probabilities。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。