當前位置: 首頁>>編程示例 >>用法及示例精選 >>正文

R probably cal_estimate_beta 使用 Beta 校準模型來計算新概率

使用 Beta 校準模型來計算新概率

用法

cal_estimate_beta(
  .data,
  truth = NULL,
  shape_params = 2,
  location_params = 1,
  estimate = dplyr::starts_with(".pred_"),
  parameters = NULL,
  ...
)

# S3 method for data.frame
cal_estimate_beta(
  .data,
  truth = NULL,
  shape_params = 2,
  location_params = 1,
  estimate = dplyr::starts_with(".pred_"),
  parameters = NULL,
  ...,
  .by = NULL
)

# S3 method for tune_results
cal_estimate_beta(
  .data,
  truth = NULL,
  shape_params = 2,
  location_params = 1,
  estimate = dplyr::starts_with(".pred_"),
  parameters = NULL,
  ...
)

# S3 method for grouped_df
cal_estimate_beta(
  .data,
  truth = NULL,
  shape_params = 2,
  location_params = 1,
  estimate = NULL,
  parameters = NULL,
  ...
)

參數

.data

未分組的 data.frame 對象或 tune_results 對象，包含預測和概率列。

truth

真實類別結果的列標識符(即一個因子)。這應該是一個不帶引號的列名。

shape_params

要使用的形狀參數的數量。接受的值為 1 和 2。默認為 2。

location_params

要使用的位置參數的數量。接受值 1 和 0。默認為 1。

estimate

列標識符向量，或 dplyr 選擇器函數之一，用於選擇哪些變量包含類概率。它默認為 tidymodels 使用的前綴 ( .pred_ )。標識符的順序將被視為與 truth 變量的級別順序相同。

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。

...

傳遞給用於計算新概率的模型或例程的附加參數。

.by

分組變量的列標識符。這應該是一個不帶引號的列名稱，用於選擇用於分組的定性變量。默認為 NULL 。當.by = NULL時，不會進行分組。

細節

該函數使用betacal::beta_calibration() 函數，並保留生成的模型。

多類擴展

此方法設計用於兩個類。對於多類，它為每個類創建一組“一對一”校準。將它們應用於數據後，概率估計值會重新歸一化以加一。最後一步可能會影響校準。

參考

Meelis Kull、Telmo M. Silva Filho、Peter Flach“超越 sigmoid：如何通過 beta 校準從二元分類器獲取 well-calibrated 概率”，《電子統計雜誌》11(2), 5052-5080, (2017)

也可以看看

https://www.tidymodels.org/learn/models/calibration/, cal_validate_beta()

例子

# It will automatically identify the probability columns
# if passed a model fitted with tidymodels
cal_estimate_beta(segment_logistic, Class)
#> 
#> ── Probability Calibration 
#> Method: Beta calibration
#> Type: Binary
#> Source class: Data Frame
#> Data points: 1,010
#> Truth variable: `Class`
#> Estimate variables:
#> `.pred_good` ==> good
#> `.pred_poor` ==> poor

相關用法


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 Uses a Beta calibration model to calculate new probabilities。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。