R yardstick iic 相關性理想指數

計算相關性理想index。該指標已在 QSPR/QSAR 模型中進行了研究，作為這些模型預測潛力的良好標準。它高度依賴於相關係數以及平均絕對誤差。

請注意，在以下兩種情況下，IIC 的應用是無用的：

當負平均絕對誤差和正平均絕對誤差均為零時。
當異常值對稱時。由於異常值與上下文相關，因此請使用您自己的檢查來驗證此限製是否成立以及生成的 IIC 是否具有解釋值。

IIC 被視為傳統相關係數的替代方案，並且與原始數據具有相同的單位。

用法

iic(data, ...)

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

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

參數

data: data.frame 包含由 truth 和 estimate 參數指定的列。
...: 目前未使用。
truth: 真實結果的列標識符(即 numeric )。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 numeric 向量。
estimate: 預測結果的列標識符(也是 numeric )。與 truth 一樣，可以通過不同的方式指定，但主要方法是使用不帶引號的變量名稱。對於 _vec() 函數，一個 numeric 向量。
na_rm: logical 值，指示在計算繼續之前是否應剝離 NA 值。
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。

值

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

對於分組 DataFrame ，返回的行數將與組數相同。

對於 iic_vec() ，單個 numeric 值(或 NA )。

參考

托羅波娃，A. 和托羅波夫，A. (2017)。 “相關性理想index。皮膚滲透性 QSAR 模型的可預測性標準？”整體環境科學。 586：466-472。

也可以看看

其他數字指標：ccc() , huber_loss_pseudo() , huber_loss() , mae() , mape() , mase() , mpe() , msd() , poisson_log_loss() , rmse() , rpd() , rpiq() , rsq_trad() , rsq() , smape()

其他準確度指標：ccc() , huber_loss_pseudo() , huber_loss() , mae() , mape() , mase() , mpe() , msd() , poisson_log_loss() , rmse() , smape()

作者

喬伊斯·卡洪

例子

# Supply truth and predictions as bare column names
iic(solubility_test, solubility, prediction)
#> # A tibble: 1 × 3
#>   .metric .estimator .estimate
#>   <chr>   <chr>          <dbl>
#> 1 iic     standard       0.890

library(dplyr)

set.seed(1234)
size <- 100
times <- 10

# create 10 resamples
solubility_resampled <- bind_rows(
  replicate(
    n = times,
    expr = sample_n(solubility_test, size, replace = TRUE),
    simplify = FALSE
  ),
  .id = "resample"
)

# Compute the metric by group
metric_results <- solubility_resampled %>%
  group_by(resample) %>%
  iic(solubility, prediction)

metric_results
#> # A tibble: 10 × 4
#>    resample .metric .estimator .estimate
#>    <chr>    <chr>   <chr>          <dbl>
#>  1 1        iic     standard       0.730
#>  2 10       iic     standard       0.731
#>  3 2        iic     standard       0.906
#>  4 3        iic     standard       0.877
#>  5 4        iic     standard       0.732
#>  6 5        iic     standard       0.821
#>  7 6        iic     standard       0.896
#>  8 7        iic     standard       0.867
#>  9 8        iic     standard       0.881
#> 10 9        iic     standard       0.748

# Resampled mean estimate
metric_results %>%
  summarise(avg_estimate = mean(.estimate))
#> # A tibble: 1 × 1
#>   avg_estimate
#>          <dbl>
#> 1        0.819

源代碼：R/num-iic.R

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 Index of ideality of correlation。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。