r语言 - 插入符号中的其他指标 - PPV、敏感性、特异性

Question

我在 R 中使用插入符号进行逻辑回归：

ctrl <- trainControl(method = "repeatedcv", number = 10, repeats = 10, 
savePredictions = TRUE)
mod_fit <- train(Y ~ .,  data=df, method="glm", family="binomial",
trControl = ctrl)
print(mod_fit)

打印的默认指标是准确性和科恩 kappa。我想提取匹配的指标，如敏感性、特异性、阳性预测值等，但我找不到一种简单的方法来做到这一点。提供了最终模型，但它是在所有数据上训练的(据我从文档中可以看出(，所以我不能用它来重新预测。

混淆矩阵计算所有必需的参数，但将其作为汇总函数传递不起作用：

ctrl <- trainControl(method = "repeatedcv", number = 10, repeats = 10, 
savePredictions = TRUE, summaryFunction = confusionMatrix)
mod_fit <- train(Y ~ .,  data=df, method="glm", family="binomial",
trControl = ctrl)
Error: `data` and `reference` should be factors with the same levels. 
13.
stop("`data` and `reference` should be factors with the same levels.", 
call. = FALSE) 
12.
confusionMatrix.default(testOutput, lev, method) 
11.
ctrl$summaryFunction(testOutput, lev, method) 

除了准确性和kappa之外，有没有办法提取这些信息，或者以某种方式在插入符号火车返回的train_object中找到它？

提前感谢！

Answer 1

插入符号已经具有摘要函数来输出您提到的所有指标：

defaultSummary输出精度和Kappa
twoClassSummary输出AUC(ROC曲线下面积 - 见最后一行答案(，灵敏度和特异性
prSummary输出精度和召回率

为了获得组合指标，您可以编写自己的汇总函数，该函数结合了这三个输出：

library(caret)
MySummary  <- function(data, lev = NULL, model = NULL){
a1 <- defaultSummary(data, lev, model)
b1 <- twoClassSummary(data, lev, model)
c1 <- prSummary(data, lev, model)
out <- c(a1, b1, c1)
out}

让我们尝试一下声纳数据集：

library(mlbench)
data("Sonar")

定义训练控制时，设置classProbs = TRUE很重要，因为其中一些指标(ROC 和 prAUC(不能基于预测的类计算，而是基于预测的概率。

ctrl <- trainControl(method = "repeatedcv",
number = 10,
savePredictions = TRUE,
summaryFunction = MySummary,
classProbs = TRUE)

现在适合您选择的型号：

mod_fit <- train(Class ~.,
data = Sonar,
method = "rf",
trControl = ctrl)
mod_fit$results
#output
mtry  Accuracy     Kappa       ROC      Sens      Spec       AUC Precision    Recall         F AccuracySD   KappaSD
1    2 0.8364069 0.6666364 0.9454798 0.9280303 0.7333333 0.8683726 0.8121087 0.9280303 0.8621526 0.10570484 0.2162077
2   31 0.8179870 0.6307880 0.9208081 0.8840909 0.7411111 0.8450612 0.8074942 0.8840909 0.8374326 0.06076222 0.1221844
3   60 0.8034632 0.6017979 0.9049242 0.8659091 0.7311111 0.8332068 0.7966889 0.8659091 0.8229330 0.06795824 0.1369086
ROCSD     SensSD    SpecSD      AUCSD PrecisionSD   RecallSD        FSD
1 0.04393947 0.05727927 0.1948585 0.03410854  0.12717667 0.05727927 0.08482963
2 0.04995650 0.11053858 0.1398657 0.04694993  0.09075782 0.11053858 0.05772388
3 0.04965178 0.12047598 0.1387580 0.04820979  0.08951728 0.12047598 0.06715206

在此输出中 ROC 实际上是 ROC 曲线下的区域 - 通常称为 AUC
和 AUC 是所有截止值的精度-召回率曲线下的区域。