如何使用 LOOCV 找到比 R 中的完整集分类更好的子集
Posted
技术标签:
【中文标题】如何使用 LOOCV 找到比 R 中的完整集分类更好的子集【英文标题】:How to use LOOCV to find a subset that classifies better than full set in R 【发布时间】:2020-06-26 22:23:49 【问题描述】:我正在处理 faraway 包中的 wbca 数据。采样恶性肿瘤的先验概率为 π0 = 1/3,采样良性肿瘤的先验概率为 π1 = 2/3。
我正在尝试将朴素贝叶斯分类器与多项式一起使用,以查看 9 个特征中是否有一个很好的子集,其分类效果优于使用 LOOCV 的完整集。
我什至不确定从哪里开始,所以任何 Rcode 帮助都会很棒。谢谢!
【问题讨论】:
【参考方案1】:您可以尝试以下方法,您的预测变量的内核估计可能不是最准确的,但您可以从它开始:
library(faraway)
library(naivebayes)
library(caret)
x = wbca[,!grepl("Class",colnames(wbca))]
y = factor(wbca$Class)
ctrl <- rfeControl(functions = nbFuncs,
method = "LOOCV")
bayesProfile <- rfe(x, y,
sizes = subsets,
rfeControl = ctrl)
bayesProfile
Recursive feature selection
Outer resampling method: Leave-One-Out Cross-Validation
Resampling performance over subset size:
Variables Accuracy Kappa Selected
2 0.9501 0.8891
3 0.9648 0.9225
4 0.9648 0.9223
5 0.9677 0.9290
6 0.9750 0.9454 *
7 0.9692 0.9322
8 0.9750 0.9455
9 0.9662 0.9255
The top 5 variables (out of 6):
USize, UShap, BNucl, Chrom, Epith
可以得到最优变量:
bayesProfile$optVariables
[1] "USize" "UShap" "BNucl" "Chrom" "Epith" "Thick"
【讨论】:
以上是关于如何使用 LOOCV 找到比 R 中的完整集分类更好的子集的主要内容,如果未能解决你的问题,请参考以下文章