当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

R probably cal_estimate_multinomial 使用多项校准模型来计算新的概率


使用多项校准模型来计算新的概率

用法

cal_estimate_multinomial(
  .data,
  truth = NULL,
  estimate = dplyr::starts_with(".pred_"),
  smooth = TRUE,
  parameters = NULL,
  ...
)

# S3 method for data.frame
cal_estimate_multinomial(
  .data,
  truth = NULL,
  estimate = dplyr::starts_with(".pred_"),
  smooth = TRUE,
  parameters = NULL,
  ...,
  .by = NULL
)

# S3 method for tune_results
cal_estimate_multinomial(
  .data,
  truth = NULL,
  estimate = dplyr::starts_with(".pred_"),
  smooth = TRUE,
  parameters = NULL,
  ...
)

# S3 method for grouped_df
cal_estimate_multinomial(
  .data,
  truth = NULL,
  estimate = NULL,
  smooth = TRUE,
  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。

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。

smooth

适用于物流模型。当 TRUE 时，它在逻辑样条曲线之间切换；当 FALSE 时，它在简单逻辑回归之间切换。

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

当smooth = FALSE时，使用nnet::multinom()函数来估计模型，否则使用mgcv::gam()。

也可以看看

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

例子

library(modeldata)
library(parsnip)
library(dplyr)

f <-
  list(
    ~ -0.5 + 0.6 * abs(A),
    ~ ifelse(A > 0 & B > 0, 1.0 + 0.2 * A / B, -2),
    ~ -0.6 * A + 0.50 * B - A * B
  )

set.seed(1)
tr_dat  <- sim_multinomial(500, eqn_1 = f[[1]], eqn_2 = f[[2]], eqn_3 = f[[3]])
cal_dat <- sim_multinomial(500, eqn_1 = f[[1]], eqn_2 = f[[2]], eqn_3 = f[[3]])
te_dat  <- sim_multinomial(500, eqn_1 = f[[1]], eqn_2 = f[[2]], eqn_3 = f[[3]])

set.seed(2)
rf_fit <-
  rand_forest() %>%
  set_mode("classification") %>%
  set_engine("randomForest") %>%
  fit(class ~ ., data = tr_dat)

cal_pred <-
  predict(rf_fit, cal_dat, type = "prob") %>%
  bind_cols(cal_dat)
te_pred <-
  predict(rf_fit, te_dat, type = "prob") %>%
  bind_cols(te_dat)

cal_plot_windowed(cal_pred, truth = class, window_size = 0.1, step_size = 0.03)


smoothed_mn <- cal_estimate_multinomial(cal_pred, truth = class)

new_test_pred <- cal_apply(te_pred, smoothed_mn)

cal_plot_windowed(new_test_pred, truth = class, window_size = 0.1, step_size = 0.03)

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 Multinomial 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。