对于分类问题,conf_mat_resampled()
为每个重采样计算一个单独的混淆矩阵,然后对单元格计数进行平均。
参数
- x
-
具有类
tune_results
的对象,与通过control_*(save_pred = TRUE)
运行的分类模型一起使用。 - parameters
-
具有单个调整参数组合的 tibble。这里只允许一种调整参数组合(如果使用过的话)。
- tidy
-
结果应该以 tibble (
TRUE
) 或像yardstick::conf_mat()
(FALSE
) 这样的conf_mat
对象返回?
例子
library(parsnip)
library(rsample)
library(dplyr)
data(two_class_dat, package = "modeldata")
set.seed(2393)
res <-
logistic_reg() %>%
set_engine("glm") %>%
fit_resamples(
Class ~ .,
resamples = vfold_cv(two_class_dat, v = 3),
control = control_resamples(save_pred = TRUE)
)
conf_mat_resampled(res)
#> # A tibble: 4 × 3
#> Prediction Truth Freq
#> <fct> <fct> <dbl>
#> 1 Class1 Class1 123
#> 2 Class1 Class2 25.7
#> 3 Class2 Class1 22.7
#> 4 Class2 Class2 92.3
conf_mat_resampled(res, tidy = FALSE)
#> Class1 Class2
#> Class1 123.00000 25.66667
#> Class2 22.66667 92.33333
相关用法
- R tune coord_obs_pred 对观察值与预测值的绘图使用相同的比例
- R tune collect_predictions 获取并格式化由调整函数产生的结果
- R tune extract-tune 提取调整对象的元素
- R tune filter_parameters 删除一些调整参数结果
- R tune fit_best 将模型拟合到数值最优配置
- R tune finalize_model 将最终参数拼接到对象中
- R tune tune_bayes 模型参数的贝叶斯优化。
- R tune show_best 研究最佳调整参数
- R tune expo_decay 指数衰减函数
- R tune fit_resamples 通过重采样拟合多个模型
- R tune merge.recipe 将参数网格值合并到对象中
- R tune autoplot.tune_results 绘图调整搜索结果
- R tune tune_grid 通过网格搜索进行模型调整
- R tune dot-use_case_weights_with_yardstick 确定案例权重是否应传递至标准
- R tune message_wrap 写一条尊重线宽的消息
- R tune prob_improve 用于对参数组合进行评分的获取函数
- R tune last_fit 将最终的最佳模型拟合到训练集并评估测试集
- R update_PACKAGES 更新现有的 PACKAGES 文件
- R textrecipes tokenlist 创建令牌对象
- R themis smotenc SMOTENC算法
- R print.via.format 打印实用程序
- R tibble tibble 构建 DataFrame 架
- R tidyr separate_rows 将折叠的列分成多行
- R textrecipes step_lemma 标记变量的词形还原
- R textrecipes show_tokens 显示配方的令牌输出
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 Compute average confusion matrix across resamples。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。