對一組現有預測應用校準
用法
cal_apply(.data, object, pred_class = NULL, parameters = NULL, ...)
# S3 method for data.frame
cal_apply(.data, object, pred_class = NULL, parameters = NULL, ...)
# S3 method for tune_results
cal_apply(.data, object, pred_class = NULL, parameters = NULL, ...)
# S3 method for cal_object
cal_apply(.data, object, pred_class = NULL, parameters = NULL, ...)
參數
- .data
-
可以加工校準物體的物體。
- object
-
校準對象 (
cal_object
)。 - pred_class
-
(可選,僅限分類)硬類預測的列標識符(因子向量)。該列將根據校準概率列的變化進行調整。
- parameters
-
(可選)可選的調整參數值小標題,可用於在處理之前過濾預測值。僅適用於
tune_results
對象。 - ...
-
可選參數;目前未使用。
也可以看看
https://www.tidymodels.org/learn/models/calibration/, cal_estimate_beta(), cal_estimate_isotonic(), cal_estimate_isotonic_boot(), cal_estimate_linear(), cal_estimate_logistic(), cal_estimate_multinomial()
例子
# ------------------------------------------------------------------------------
# classification example
w_calibration <- cal_estimate_logistic(segment_logistic, Class)
cal_apply(segment_logistic, w_calibration)
#> # A tibble: 1,010 × 3
#> .pred_poor .pred_good Class
#> <dbl> <dbl> <fct>
#> 1 0.974 0.0258 poor
#> 2 0.930 0.0700 poor
#> 3 0.220 0.780 good
#> 4 0.205 0.795 good
#> 5 0.976 0.0244 poor
#> 6 0.590 0.410 good
#> 7 0.777 0.223 good
#> 8 0.135 0.865 good
#> 9 0.977 0.0231 poor
#> 10 0.770 0.230 poor
#> # ℹ 1,000 more rows
相關用法
- R probably cal_plot_logistic 通過邏輯回歸繪製概率校準圖
- R probably cal_plot_breaks 通過分箱繪製概率校準圖
- R probably cal_estimate_multinomial 使用多項校準模型來計算新的概率
- R probably cal_validate_logistic 使用和不使用邏輯校準來測量性能
- R probably cal_validate_isotonic_boot 使用和不使用袋裝等滲回歸校準來測量性能
- R probably cal_estimate_beta 使用 Beta 校準模型來計算新概率
- R probably cal_plot_regression 回歸校準圖
- R probably cal_estimate_isotonic 使用等滲回歸模型來校準模型預測。
- R probably cal_estimate_logistic 使用邏輯回歸模型來校準概率
- R probably cal_validate_multinomial 使用和不使用多項式校準來測量性能
- R probably cal_validate_linear 使用和不使用線性回歸校準來測量性能
- R probably cal_estimate_isotonic_boot 使用引導等滲回歸模型來校準概率
- R probably cal_plot_windowed 通過移動窗口繪製概率校準圖
- R probably cal_validate_isotonic 使用和不使用等滲回歸校準來測量性能
- R probably cal_estimate_linear 使用線性回歸模型來校準數值預測
- R probably cal_validate_beta 使用和不使用 Beta 校準來測量性能
- R probably class_pred 創建類別預測對象
- R probably append_class_pred 添加 class_pred 列
- R probably threshold_perf 生成跨概率閾值的性能指標
- R probably as_class_pred 強製轉換為 class_pred 對象
- R probably levels.class_pred 提取class_pred級別
- R probably locate-equivocal 找到模棱兩可的值
- R probably int_conformal_quantile 通過保形推理和分位數回歸預測區間
- R probably make_class_pred 根據類概率創建 class_pred 向量
- R probably reportable_rate 計算報告率
注:本文由純淨天空篩選整理自Max Kuhn等大神的英文原創作品 Applies a calibration to a set of existing predictions。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。