当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

R yardstick mcc 马修斯相关系数


马修斯相关系数

用法

mcc(data, ...)

# S3 method for data.frame
mcc(data, truth, estimate, na_rm = TRUE, case_weights = NULL, ...)

mcc_vec(truth, estimate, na_rm = TRUE, case_weights = NULL, ...)

参数

data

包含 truth 和 estimate 参数指定的列的 data.frame，或者 table /matrix，其中真正的类结果应位于表的列中。

...

目前未使用。

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。

estimate

预测类结果的列标识符(也是 factor )。与 truth 一样，可以通过不同的方式指定，但主要方法是使用不带引号的变量名称。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。

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。

值

tibble 包含列 .metric 、 .estimator 和 .estimate 以及 1 行值。

对于分组 DataFrame ，返回的行数将与组数相同。

对于 mcc_vec() ，单个 numeric 值(或 NA )。

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。

多级

mcc() 具有已知的多类泛化，如果提供的因子超过 2 个级别，则会自动计算该泛化。因此，没有提供平均方法。

参考

朱塞佩，J.(2012)。 “多类预测中 MCC 和 CEN 误差测量的比较”。公共科学 Library 一号。第 7 卷，第 8 期，e41882。

也可以看看

其他类指标：accuracy() , bal_accuracy() , detection_prevalence() , f_meas() , j_index() , kap() , npv() , ppv() , precision() , recall() , sens() , spec()

作者

马克斯·库恩

例子

library(dplyr)
data("two_class_example")
data("hpc_cv")

# Two class
mcc(two_class_example, truth, predicted)
#> # A tibble: 1 × 3
#>   .metric .estimator .estimate
#>   <chr>   <chr>          <dbl>
#> 1 mcc     binary         0.677

# Multiclass
# mcc() has a natural multiclass extension
hpc_cv %>%
  filter(Resample == "Fold01") %>%
  mcc(obs, pred)
#> # A tibble: 1 × 3
#>   .metric .estimator .estimate
#>   <chr>   <chr>          <dbl>
#> 1 mcc     multiclass     0.542

# Groups are respected
hpc_cv %>%
  group_by(Resample) %>%
  mcc(obs, pred)
#> # A tibble: 10 × 4
#>    Resample .metric .estimator .estimate
#>    <chr>    <chr>   <chr>          <dbl>
#>  1 Fold01   mcc     multiclass     0.542
#>  2 Fold02   mcc     multiclass     0.521
#>  3 Fold03   mcc     multiclass     0.602
#>  4 Fold04   mcc     multiclass     0.519
#>  5 Fold05   mcc     multiclass     0.520
#>  6 Fold06   mcc     multiclass     0.494
#>  7 Fold07   mcc     multiclass     0.461
#>  8 Fold08   mcc     multiclass     0.538
#>  9 Fold09   mcc     multiclass     0.459
#> 10 Fold10   mcc     multiclass     0.498
源代码：R/class-mcc.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 Matthews correlation coefficient。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。