R probably cal_validate_linear 使用和不使用线性回归校准来测量性能

使用和不使用线性回归校准来测量性能

用法

cal_validate_linear(
  .data,
  truth = NULL,
  estimate = dplyr::starts_with(".pred"),
  metrics = NULL,
  save_pred = FALSE,
  ...
)

# S3 method for resample_results
cal_validate_linear(
  .data,
  truth = NULL,
  estimate = dplyr::starts_with(".pred"),
  metrics = NULL,
  save_pred = FALSE,
  ...
)

# S3 method for rset
cal_validate_linear(
  .data,
  truth = NULL,
  estimate = dplyr::starts_with(".pred"),
  metrics = NULL,
  save_pred = FALSE,
  ...
)

参数

.data: rset 对象或带有 .predictions 列的 tune::fit_resamples() 的结果。
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。
metrics: 通过 yardstick::metric_set() 创建的一组指标
save_pred: 指示是否为 post-calibration 预测列。
...: 要传递给 cal_estimate_logistic() 的选项，例如 smooth 参数。

性能指标

默认情况下，返回均方根误差 (RMSE) 的平均值。可以使用任何适当的yardstick::metric_set()。验证函数比较校准前后指标的平均值。

也可以看看

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

例子

library(dplyr)
library(yardstick)
library(rsample)

head(boosting_predictions_test)
#> # A tibble: 6 × 2
#>   outcome .pred
#>     <dbl> <dbl>
#> 1   -4.65  4.12
#> 2    1.12  1.83
#> 3   14.7  13.1 
#> 4   36.3  19.1 
#> 5   14.1  14.9 
#> 6   -4.22  8.10

reg_stats <- metric_set(rmse, ccc)

set.seed(828)
boosting_predictions_oob %>%
  # Resample with 10-fold cross-validation
  vfold_cv() %>%
  cal_validate_linear(truth = outcome, smooth = FALSE, metrics = reg_stats)
#> #  10-fold cross-validation 
#> # A tibble: 10 × 4
#>    splits             id     .metrics         .metrics_cal    
#>    <list>             <chr>  <list>           <list>          
#>  1 <split [1800/200]> Fold01 <tibble [2 × 3]> <tibble [2 × 3]>
#>  2 <split [1800/200]> Fold02 <tibble [2 × 3]> <tibble [2 × 3]>
#>  3 <split [1800/200]> Fold03 <tibble [2 × 3]> <tibble [2 × 3]>
#>  4 <split [1800/200]> Fold04 <tibble [2 × 3]> <tibble [2 × 3]>
#>  5 <split [1800/200]> Fold05 <tibble [2 × 3]> <tibble [2 × 3]>
#>  6 <split [1800/200]> Fold06 <tibble [2 × 3]> <tibble [2 × 3]>
#>  7 <split [1800/200]> Fold07 <tibble [2 × 3]> <tibble [2 × 3]>
#>  8 <split [1800/200]> Fold08 <tibble [2 × 3]> <tibble [2 × 3]>
#>  9 <split [1800/200]> Fold09 <tibble [2 × 3]> <tibble [2 × 3]>
#> 10 <split [1800/200]> Fold10 <tibble [2 × 3]> <tibble [2 × 3]>

源代码：R/cal-validate.R

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 Measure performance with and without using linear regression calibration。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。