class_pred()
根据因子或有序因子创建 class_pred
对象。您可以选择指定要设置为模棱两可的因子值。
例子
x <- factor(c("Yes", "No", "Yes", "Yes"))
# Create a class_pred object from a factor
class_pred(x)
#> [1] Yes No Yes Yes
#> Levels: No Yes
#> Reportable: 100%
# Say you aren't sure about that 2nd "Yes" value. You could mark it as
# equivocal.
class_pred(x, which = 3)
#> [1] Yes No [EQ] Yes
#> Levels: No Yes
#> Reportable: 75%
# Maybe you want a different equivocal label
class_pred(x, which = 3, equivocal = "eq_value")
#> [1] Yes No eq_value Yes
#> Levels: No Yes
#> Reportable: 75%
相关用法
- R probably cal_plot_logistic 通过逻辑回归绘制概率校准图
- R probably cal_plot_breaks 通过分箱绘制概率校准图
- R probably cal_estimate_multinomial 使用多项校准模型来计算新的概率
- R probably cal_validate_logistic 使用和不使用逻辑校准来测量性能
- R probably cal_validate_isotonic_boot 使用和不使用袋装等渗回归校准来测量性能
- R probably cal_estimate_beta 使用 Beta 校准模型来计算新概率
- R probably cal_plot_regression 回归校准图
- R probably cal_estimate_isotonic 使用等渗回归模型来校准模型预测。
- R probably cal_estimate_logistic 使用逻辑回归模型来校准概率
- R probably cal_validate_multinomial 使用和不使用多项式校准来测量性能
- R probably cal_apply 对一组现有预测应用校准
- R probably cal_validate_linear 使用和不使用线性回归校准来测量性能
- R probably cal_estimate_isotonic_boot 使用引导等渗回归模型来校准概率
- R probably cal_plot_windowed 通过移动窗口绘制概率校准图
- R probably cal_validate_isotonic 使用和不使用等渗回归校准来测量性能
- R probably cal_estimate_linear 使用线性回归模型来校准数值预测
- R probably cal_validate_beta 使用和不使用 Beta 校准来测量性能
- R probably append_class_pred 添加 class_pred 列
- R probably threshold_perf 生成跨概率阈值的性能指标
- R probably as_class_pred 强制转换为 class_pred 对象
- R probably levels.class_pred 提取class_pred级别
- R probably locate-equivocal 找到模棱两可的值
- R probably int_conformal_quantile 通过保形推理和分位数回归预测区间
- R probably make_class_pred 根据类概率创建 class_pred 向量
- R probably reportable_rate 计算报告率
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 Create a class prediction object。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。