为多模型寻找模型最优参数多模型交叉验证可视化指标计算多模型对比可视化（系数图误差图混淆矩阵校正曲线ROC曲线AUCAccuracy特异度灵敏度PPVNPV）结果数据保存
Posted Data+Science+Insight
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了为多模型寻找模型最优参数多模型交叉验证可视化指标计算多模型对比可视化（系数图误差图混淆矩阵校正曲线ROC曲线AUCAccuracy特异度灵敏度PPVNPV）结果数据保存相关的知识，希望对你有一定的参考价值。
使用randomsearchcv为多个模型寻找模型最优参数、多模型交叉验证、可视化、指标计算、多模型对比可视化（系数图、误差图、classification_report、混淆矩阵、校正曲线、ROC曲线、AUC、Accuracy、特异度、灵敏度、PPV、NPV）、结果数据保存
目录
以上是关于为多模型寻找模型最优参数多模型交叉验证可视化指标计算多模型对比可视化（系数图误差图混淆矩阵校正曲线ROC曲线AUCAccuracy特异度灵敏度PPVNPV）结果数据保存的主要内容，如果未能解决你的问题，请参考以下文章
R语言使用yardstick包评估模型性能（二分类多分类回归模型交叉验证每一折的指标npvppvaccuracyauckapparecallrmsemaer2等以及可视化）
R语言使用yardstick包评估模型性能（二分类多分类回归模型交叉验证每一折的指标npvppvaccuracyauckapparecallrmsemaer2等以及可视化）
R语言构建xgboost模型：xgb.cv函数交叉验证确定模型的最优子树个数（可视化交叉验证对数损失函数与xgboost模型子树个数的关系）交叉验证获取最优子树之后构建最优xgboost模型
R语言glmnet交叉验证选择（alphalambda）拟合最优elastic回归模型：弹性网络（elasticNet）模型选择最优的alpha值模型最优的lambda值，最终模型的拟合与评估
R语言leaps包中的regsubsets函数实现全集子集回归(all subsets regression)使用调整R方和Mallows Cp统计量筛选最优模型并可视化不同组合参数下的模型指标