在 R 中编写自定义分类器并预测函数

Posted

技术标签:

【中文标题】在 R 中编写自定义分类器并预测函数【英文标题】:Write custom classifier in R and predict function 【发布时间】:2015-05-20 17:00:48 【问题描述】:

我想在 R 中实现我自己的自定义分类器,例如,myClassifier(trainingSet, ...),它从指定的训练集中返回学习模型 m .我想像 r 中的任何其他分类器一样调用它:

m <- myClassifier(trainingSet)

然后我想重载(我不知道这是不是正确的词)泛型函数predict()

result <- predict(m, myNewData)

我只有 R 的基本知识。我不知道应该阅读哪些资源才能完成所需的任务。为了使它工作,我需要创建一个包吗?我正在寻找一些初步的方向。

模型 m 是否包含有关被覆盖的 predict 方法的信息?或者 R 如何知道哪个 predict.* 方法对应于模型 m

【问题讨论】:

对this有帮助 或adv-r.had.co.nz/OO-essentials.html 有更多信息。 【参考方案1】:

这里有一些代码展示了如何为你自己的类编写一个通用函数的方法。

# create a function that returns an object of class myClassifierClass
myClassifier = function(trainingData, ...) 
  model = structure(list(x = trainingData[, -1], y = trainingData[, 1]), 
                    class = "myClassifierClass") 
  return(model)


# create a method for function print for class myClassifierClass
predict.myClassifierClass = function(modelObject) 
  return(rlogis(length(modelObject$y)))
 

# test
mA = matrix(rnorm(100*10), nrow = 100, ncol = 10)
modelA = myClassifier(mA)
predict(modelA)

【讨论】:

以上是关于在 R 中编写自定义分类器并预测函数的主要内容,如果未能解决你的问题,请参考以下文章

R语言编写自定义函数计算分类模型评估指标:准确度特异度敏感度PPVNPV数据数据为模型预测后的混淆矩阵比较多个分类模型分类性能(逻辑回归决策树随机森林支持向量机)

R语言临床预测模型的评价指标与验证指标实战:自定义的净重新分类指数NRI(Net Reclassification Index, NRI)函数

R语言编写自定义函数评估回归模型预测变量的相对重要性(Relative importance)通过在所有可能的子模型中添加一个预测变量而获得的R方的平均增加评估预测变量的重要度并通过点图可视化

keras:如何编写自定义的损失函数来聚合帧级预测到歌曲级预测

如何编写自定义函数以从 `effects::Effect()` 中提取预测

summaryFunction 插入符号分类的自定义指标 (hmeasure)