當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文


R yardstick gain_capture 增益捕獲


gain_capture() 是類似於 AUC 計算的性能度量,但應用於增益曲線。

用法

gain_capture(data, ...)

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

gain_capture_vec(
  truth,
  estimate,
  estimator = NULL,
  na_rm = TRUE,
  event_level = yardstick_event_level(),
  case_weights = NULL,
  ...
)

參數

data

包含 truth... 指定的列的 data.frame

...

一組不帶引號的列名稱或一個或多個 dplyr 選擇器函數,用於選擇哪些變量包含類概率。如果 truth 是二進製,則僅應選擇 1 列,並且它應對應於 event_level 的值。否則,列的數量應與 truth 的因子級別一樣多,並且列的順序應與 truth 的因子級別相同。

truth

真實類結果的列標識符(即 factor )。這應該是一個不帶引號的列名,盡管此參數是通過表達式傳遞的並且支持quasiquotation(您可以不帶引號的列名)。對於 _vec() 函數,一個 factor 向量。

estimator

"binary""macro""macro_weighted" 之一指定要完成的平均類型。 "binary" 僅與兩類情況相關。另外兩個是計算多類指標的通用方法。默認會根據 truth 自動選擇 "binary""macro"

na_rm

logical 值,指示在計算繼續之前是否應剝離 NA 值。

event_level

單個字符串。 "first""second" 指定將truth 的哪個級別視為"event"。此參數僅適用於 estimator = "binary" 。默認使用內部幫助程序,通常默認為 "first" ,但是,如果設置了已棄用的全局選項 yardstick.event_first ,則將使用該幫助程序並發出警告。

case_weights

案例權重的可選列標識符。這應該是一個不帶引號的列名稱,其計算結果為 data 中的數字列。對於 _vec() 函數,一個數值向量。

estimate

如果truth是二進製的,對應於 "relevant" 類的類概率的數值向量。否則,矩陣的列數與因子級別一樣多truth.假設它們的順序與 truth 的級別相同。

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

對於分組 DataFrame ,返回的行數將與組數相同。

對於 gain_capture_vec() ,單個 numeric 值(或 NA )。

細節

gain_capture() 計算增益曲線下方但基線上方的麵積,然後除以完美增益曲線下方但基線上方的麵積。它旨在表示模型的潛在增益"captured"。

gain_capture() 指標與準確率 (AR) 相同,有時也稱為基尼係數。這兩者通常是在累積精度剖麵曲線上計算的,但這與增益曲線相同。有關詳細信息,請參閱 Engelmann 引用。

相關級別

在計算二元分類指標時,對於哪個因子級別應自動被視為 "event" 或 "positive" 結果,沒有通用約定。在 yardstick 中,默認使用第一級。要更改此設置,請將參數 event_level 更改為 "second" 以將因子的最後一個級別視為感興趣級別。對於涉及 one-vs-all 比較(例如宏平均)的多類擴展,此選項將被忽略,並且 "one" 級別始終是相關結果。

多級

此指標可使用宏觀平均和宏觀加權平均。如果提供了超過 2 個級別的 truth 因子,則默認選擇宏平均。否則,將進行標準二進製計算。有關詳細信息,請參閱vignette("multiclass", "yardstick")

參考

恩格曼、貝恩德和海登、伊芙琳和塔什、德克 (2003)。 “衡量評級係統的歧視力”,討論文件係列 2:銀行和金融研究 2003,01,德意誌聯邦銀行。

也可以看看

gain_curve() 計算完整增益曲線。

其他類概率指標:average_precision() , brier_class() , classification_cost() , mn_log_loss() , pr_auc() , roc_auc() , roc_aunp() , roc_aunu()

作者

馬克斯·庫恩

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.
gain_capture(two_class_example, truth, Class1)
#> # A tibble: 1 × 3
#>   .metric      .estimator .estimate
#>   <chr>        <chr>          <dbl>
#> 1 gain_capture binary         0.879

# ---------------------------------------------------------------------------
# Multiclass example

# `obs` is a 4 level factor. The first level is `"VF"`, which is the
# "event of interest" by default in yardstick. See the Relevant Level
# section above.
data(hpc_cv)

# You can use the col1:colN tidyselect syntax
library(dplyr)
hpc_cv %>%
  filter(Resample == "Fold01") %>%
  gain_capture(obs, VF:L)
#> # A tibble: 1 × 3
#>   .metric      .estimator .estimate
#>   <chr>        <chr>          <dbl>
#> 1 gain_capture macro          0.743

# Change the first level of `obs` from `"VF"` to `"M"` to alter the
# event of interest. The class probability columns should be supplied
# in the same order as the levels.
hpc_cv %>%
  filter(Resample == "Fold01") %>%
  mutate(obs = relevel(obs, "M")) %>%
  gain_capture(obs, M, VF:L)
#> # A tibble: 1 × 3
#>   .metric      .estimator .estimate
#>   <chr>        <chr>          <dbl>
#> 1 gain_capture macro          0.743

# Groups are respected
hpc_cv %>%
  group_by(Resample) %>%
  gain_capture(obs, VF:L)
#> # A tibble: 10 × 4
#>    Resample .metric      .estimator .estimate
#>    <chr>    <chr>        <chr>          <dbl>
#>  1 Fold01   gain_capture macro          0.743
#>  2 Fold02   gain_capture macro          0.727
#>  3 Fold03   gain_capture macro          0.796
#>  4 Fold04   gain_capture macro          0.748
#>  5 Fold05   gain_capture macro          0.730
#>  6 Fold06   gain_capture macro          0.754
#>  7 Fold07   gain_capture macro          0.730
#>  8 Fold08   gain_capture macro          0.747
#>  9 Fold09   gain_capture macro          0.710
#> 10 Fold10   gain_capture macro          0.731

# Weighted macro averaging
hpc_cv %>%
  group_by(Resample) %>%
  gain_capture(obs, VF:L, estimator = "macro_weighted")
#> # A tibble: 10 × 4
#>    Resample .metric      .estimator     .estimate
#>    <chr>    <chr>        <chr>              <dbl>
#>  1 Fold01   gain_capture macro_weighted     0.759
#>  2 Fold02   gain_capture macro_weighted     0.745
#>  3 Fold03   gain_capture macro_weighted     0.811
#>  4 Fold04   gain_capture macro_weighted     0.734
#>  5 Fold05   gain_capture macro_weighted     0.733
#>  6 Fold06   gain_capture macro_weighted     0.730
#>  7 Fold07   gain_capture macro_weighted     0.737
#>  8 Fold08   gain_capture macro_weighted     0.730
#>  9 Fold09   gain_capture macro_weighted     0.681
#> 10 Fold10   gain_capture macro_weighted     0.737

# Vector version
# Supply a matrix of class probabilities
fold1 <- hpc_cv %>%
  filter(Resample == "Fold01")

gain_capture_vec(
   truth = fold1$obs,
   matrix(
     c(fold1$VF, fold1$F, fold1$M, fold1$L),
     ncol = 4
   )
)
#> [1] 0.7428922

# ---------------------------------------------------------------------------
# Visualize gain_capture()

# Visually, this represents the area under the black curve, but above the
# 45 degree line, divided by the area of the shaded triangle.
library(ggplot2)
autoplot(gain_curve(two_class_example, truth, Class1))


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 Gain capture。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。