metric_tweak()
允許您調整現有指標 .fn
,為其提供新的 .name
並通過 ...
設置新的可選參數默認值。它類似於 purrr::partial()
,但專為尺度指標而設計。
metric_tweak()
在構建 metric_set()
以使用調整包進行調整時特別有用。構造度量集後,無法調整任何可選參數的值(例如 f_meas()
中的 beta
)。使用 metric_tweak()
,您可以在自定義值進入指標集之前提前將可選參數設置為自定義值。
參數
- .name
-
給出新指標名稱的單個字符串。這將在輸出的
".metric"
列中使用。 - .fn
-
需要調整的現有尺度度量函數。
- ...
-
Name-value 對指定要覆蓋的可選參數以及要替換它們的值。
參數
data
、truth
和estimate
被視為受保護,並且不能被覆蓋,但所有其他可選參數都可以更改。
細節
從 metric_tweak()
返回的函數僅將 ...
作為參數,並將其傳遞給原始 .fn
。按位置傳遞 data
、 truth
和 estimate
通常應該是安全的,但建議按名稱傳遞任何其他可選參數,以確保正確評估它們。
例子
mase12 <- metric_tweak("mase12", mase, m = 12)
# Defaults to `m = 1`
mase(solubility_test, solubility, prediction)
#> # A tibble: 1 × 3
#> .metric .estimator .estimate
#> <chr> <chr> <dbl>
#> 1 mase standard 3.56
# Updated to use `m = 12`. `mase12()` has this set already.
mase(solubility_test, solubility, prediction, m = 12)
#> # A tibble: 1 × 3
#> .metric .estimator .estimate
#> <chr> <chr> <dbl>
#> 1 mase standard 0.582
mase12(solubility_test, solubility, prediction)
#> # A tibble: 1 × 3
#> .metric .estimator .estimate
#> <chr> <chr> <dbl>
#> 1 mase12 standard 0.582
# This is most useful to set optional argument values ahead of time when
# using a metric set
mase10 <- metric_tweak("mase10", mase, m = 10)
metrics <- metric_set(mase, mase10, mase12)
metrics(solubility_test, solubility, prediction)
#> # A tibble: 3 × 3
#> .metric .estimator .estimate
#> <chr> <chr> <dbl>
#> 1 mase standard 3.56
#> 2 mase10 standard 0.664
#> 3 mase12 standard 0.582
相關用法
- R yardstick metric_set 組合度量函數
- R yardstick metrics 估計性能的通用函數
- R yardstick mn_log_loss 多項數據的平均對數損失
- R yardstick mae 平均絕對誤差
- R yardstick msd 平均符號偏差
- R yardstick mpe 平均百分比誤差
- R yardstick mape 平均絕對百分比誤差
- R yardstick mcc 馬修斯相關係數
- R yardstick mase 平均絕對比例誤差
- R yardstick pr_auc 查準率曲線下麵積
- R yardstick accuracy 準確性
- R yardstick gain_capture 增益捕獲
- R yardstick pr_curve 精確率召回曲線
- R yardstick conf_mat 分類數據的混淆矩陣
- R yardstick rpd 性能與偏差之比
- R yardstick detection_prevalence 檢測率
- R yardstick bal_accuracy 平衡的精度
- R yardstick rpiq 績效與四分位間的比率
- R yardstick roc_aunp 使用先驗類別分布,每個類別相對於其他類別的 ROC 曲線下麵積
- R yardstick roc_curve 接收者算子曲線
- R yardstick rsq R 平方
- R yardstick iic 相關性理想指數
- R yardstick recall 記起
- R yardstick roc_aunu 使用均勻類別分布,每個類別相對於其他類別的 ROC 曲線下麵積
- R yardstick npv 陰性預測值
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 Tweak a metric function。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。