优化 e1071 封装中的 F 分数

Posted 2023-03-12

【中文标题】优化 e1071 封装中的 F 分数

【英文标题】：Optimize F-score in e1071 package

【发布时间】：2015-05-29 09:41:24

【问题描述】：

我正在尝试使用 R 中的 e1071 包来实现一个类 SVM。有人可以告诉我如何使用网格搜索优化 F 分数吗？

我尝试了 tune.svm 功能，但它只导致高灵敏度或高特异性。

我试图预测的正类百分比在普通人群中约为 1-2%。

我得到的结果准确率很高，但 F 分数很低：

             Reference
Prediction    members Not members
  members           1           4
  Not members      12         983

           Accuracy : 0.984           
             95% CI : (0.9741, 0.9908)
No Information Rate : 0.987           
P-Value [Acc > NIR] : 0.83691         

              Kappa : 0.1046          

Mcnemar 检验 P 值：0.08012

        Sensitivity : 0.07692         
        Specificity : 0.99595 

这是我的代码的 sn-ps：

tuned <- tune.svm(fo, data = df, 
                  nu =  0.001:0.5,
                  gamma = 10^(-2:0), 
                  type='one-classification'                 
                  );

model <-     svm(fo, data = df , 
                   nu = tuned$best.parameters$nu, 
                   gamma = tuned$best.parameters$gamma,
                   type='one-classification'
                 );

【参考方案1】：

您可以提供 tune.svm 方法的 tunecontrol 参数。

它接受tunecontrol 类的对象。

然后您需要创建具有所需参数的对象。 通过在构建此对象时指定 error.fun 参数，您可以定义要使用的错误函数。

error.fun： 返回要最小化的误差度量的函数。它有两个参数：一个真实值向量和一个预测值向量。如果为 NULL，则误分类误差用于分类预测，均方误差用于数值预测。

因此，放置一个计算 F-Score 的函数应该可以完成这项工作。

【讨论】：

我修改了我的代码，添加了一个计算 F 分数的函数，还修改了 tune 函数：tuned

对不起，因为我对堆栈溢出比较陌生，不知道如何将我的整个代码放在这里的 cmets 中。

tuned <- tune.svm(fo, data = df, nu = 2^(-5:-0.5), gamma = 2^(-6:0), tunecontrol = tune.control(sampling = "cross",performances = TRUE, error.fun = FscoreErr(y,prediction)), type='one-classification' `)