当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


R yardstick lift_curve 升力曲线


lift_curve() 构造完整的升力曲线并返回一个 tibble。有关密切相关的概念,请参阅gain_curve()

用法

lift_curve(data, ...)

# S3 method for data.frame
lift_curve(
  data,
  truth,
  ...,
  na_rm = TRUE,
  event_level = yardstick_event_level(),
  case_weights = NULL
)

参数

data

包含 truth... 指定的列的 data.frame

...

一组不带引号的列名称或一个或多个 dplyr 选择器函数,用于选择哪些变量包含类概率。如果 truth 是二进制,则仅应选择 1 列,并且它应对应于 event_level 的值。否则,列的数量应与 truth 的因子级别一样多,并且列的顺序应与 truth 的因子级别相同。

truth

真实类结果的列标识符(即 factor )。这应该是一个不带引号的列名,尽管此参数是通过表达式传递的并且支持quasiquotation(您可以不带引号的列名)。对于 _vec() 函数,一个 factor 向量。

na_rm

logical 值,指示在计算继续之前是否应剥离 NA 值。

event_level

单个字符串。 "first""second" 指定将truth 的哪个级别视为"event"。此参数仅适用于 estimator = "binary" 。默认使用内部帮助程序,通常默认为 "first" ,但是,如果设置了已弃用的全局选项 yardstick.event_first ,则将使用该帮助程序并发出警告。

case_weights

案例权重的可选列标识符。这应该是一个不带引号的列名称,其计算结果为 data 中的数字列。对于 _vec() 函数,一个数值向量。

lift_dflift_grouped_df 的 tibble 具有列:

  • .n 当前样本的索引。

  • .n_events 当前唯一样本的索引。具有重复 estimate 值的值在此列中给出相同的索引。

  • .percent_tested 测试值的累积百分比。

  • .lift 首先计算真实结果相对于真实结果总数的累积百分比。然后除以 .percent_tested

如果使用 case_weights 参数,以上所有列都将被加权。这对于频率权重来说最有意义,频率权重是表示特定观察应重复的次数的整数权重。

细节

有一个ggplot2::autoplot() 方法可以快速可视化曲线。这适用于二进制和多类输出,也适用于分组数据(即来自重新采样)。请参阅示例。

增益和提升曲线

累积增益和提升图背后的动机是作为一种可视化方法,用于确定模型与没有模型时可能预期的结果相比的有效性。举个例子,在没有模型的情况下,如果您要向随机 10% 的客户群做广告,那么您可能期望获得向整个客户群做广告时获得的积极响应总数的 10%。给定一个预测哪些客户更有可能做出响应的模型,希望您能够更准确地定位 10% 的客户群并捕获> 积极响应总数的 10%。

构建升力曲线的计算如下:

  1. truthestimateestimate 值降序排列(此处的 estimate... 中提供的单个列)。

  2. 求出真实结果样本的累计数量相对于真实结果总数的比例。

  3. 将找到的累积 % 除以测试的累积 % 以构造升力值。该比率代表了相对于无信息模型的改进因子。值 > 1 代表一个有值的模型。这是提升图的 y 轴。

多级

如果提供了多类 truth 列,则将采用 one-vs-all 方法来计算多条曲线,每个级别一条。在这种情况下,将有一个附加列 .level ,用于标识 one-vs-all 计算中的 "one" 列。

相关级别

在计算二元分类指标时,对于哪个因子级别应自动被视为 "event" 或 "positive" 结果,没有通用约定。在 yardstick 中,默认使用第一级。要更改此设置,请将参数 event_level 更改为 "second" 以将因子的最后一个级别视为感兴趣级别。对于涉及 one-vs-all 比较(例如宏平均)的多类扩展,此选项将被忽略,并且 "one" 级别始终是相关结果。

也可以看看

其他曲线指标:gain_curve()pr_curve()roc_curve()

作者

马克斯·库恩

例子

# ---------------------------------------------------------------------------
# Two class example

# `truth` is a 2 level factor. The first level is `"Class1"`, which is the
# "event of interest" by default in yardstick. See the Relevant Level
# section above.
data(two_class_example)

# Binary metrics using class probabilities take a factor `truth` column,
# and a single class probability column containing the probabilities of
# the event of interest. Here, since `"Class1"` is the first level of
# `"truth"`, it is the event of interest and we pass in probabilities for it.
lift_curve(two_class_example, truth, Class1)
#> # A tibble: 501 × 4
#>       .n .n_events .percent_tested  .lift
#>    <dbl>     <dbl>           <dbl>  <dbl>
#>  1     0         0             0   NaN   
#>  2     1         1             0.2   1.94
#>  3     2         2             0.4   1.94
#>  4     3         3             0.6   1.94
#>  5     4         4             0.8   1.94
#>  6     5         5             1     1.94
#>  7     6         6             1.2   1.94
#>  8     7         7             1.4   1.94
#>  9     8         8             1.6   1.94
#> 10     9         9             1.8   1.94
#> # ℹ 491 more rows

# ---------------------------------------------------------------------------
# `autoplot()`

library(ggplot2)
library(dplyr)

# Use autoplot to visualize
autoplot(lift_curve(two_class_example, truth, Class1))


# Multiclass one-vs-all approach
# One curve per level
hpc_cv %>%
  filter(Resample == "Fold01") %>%
  lift_curve(obs, VF:L) %>%
  autoplot()


# Same as above, but will all of the resamples
hpc_cv %>%
  group_by(Resample) %>%
  lift_curve(obs, VF:L) %>%
  autoplot()


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 Lift curve。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。