在插入符号交叉验证期间计算模型校准？

Posted 2023-03-12

【中文标题】在插入符号交叉验证期间计算模型校准？

【英文标题】：Calculate model calibration during cross-validation in caret?

【发布时间】：2015-04-06 02:24:57

【问题描述】：

第一次发帖，新手错误请见谅

我在 R 中使用 caret 包进行分类。我在训练集上使用重复的 10 倍交叉验证来拟合一些模型（GBM、线性 SVM、NB、LDA）。使用自定义 trainControl，插入符号甚至可以为我提供一系列模型性能指标，例如 ROC、Spec/sens、Kappa、测试折叠的准确性。这真是太棒了。我还希望有一个指标：模型校准的一些指标。

我注意到插入符号中有一个function，它可以创建一个校准图来估计模型性能在部分数据之间的一致性。在交叉验证的模型构建过程中，是否可以为每个测试折叠计算插入符号？或者它只能应用于我们正在预测的一些新的保留数据？

在某些情况下，目前我有这样的事情：

fitControl <- trainControl(method = "repeatedcv", repeats=2, number = 10, classProbs = TRUE, summaryFunction = custom.summary)
gbmGrid <-  expand.grid(.interaction.depth = c(1,2,3),.n.trees = seq(100,800,by=100),.shrinkage = c(0.01))
gbmModel <- train(y= train_target, x = data.frame(t_train_predictors),
              method = "gbm",
              trControl = fitControl,
              tuneGrid = gbmGrid,
              verbose = FALSE)

如果有帮助，我将使用约 25 个数字预测变量和 N=2,200，预测一个二分类因子。

非常感谢您提供任何帮助/建议。 亚当

【参考方案1】：

calibration 函数获取您提供的任何数据。您可以从train 子对象pred 中获取重采样值：

> set.seed(1)
> dat <- twoClassSim(2000)
> 
> set.seed(2)
> mod <- train(Class ~ ., data = dat, 
+              method = "lda",
+              trControl = trainControl(savePredictions = TRUE,
+                                       classProbs = TRUE))
> 
> str(mod$pred)
'data.frame':   18413 obs. of  7 variables:
 $ pred     : Factor w/ 2 levels "Class1","Class2": 1 2 2 1 1 2 1 1 2 1 ...
 $ obs      : Factor w/ 2 levels "Class1","Class2": 1 2 2 1 1 2 1 1 2 2 ...
 $ Class1   : num  0.631 0.018 0.138 0.686 0.926 ...
 $ Class2   : num  0.369 0.982 0.8616 0.3139 0.0744 ...
 $ rowIndex : int  1 3 4 10 12 13 18 22 25 27 ...
 $ parameter: Factor w/ 1 level "none": 1 1 1 1 1 1 1 1 1 1 ...
 $ Resample : chr  "Resample01" "Resample01" "Resample01" "Resample01" ...

那么你可以使用：

> cal <- calibration(obs ~ Class1, data = mod$pred)
> xyplot(cal)

请记住，对于许多重采样方法，单个训练集实例将被多次保留：

> table(table(mod$pred$rowIndex))

  2   3   4   5   6   7   8   9  10  11  12  13  14  15  16  17 
  2  11  30  77 135 209 332 314 307 231 185  93  48  16   6   4 

如果愿意，您可以平均每个 rowIndex 的类概率。

最大

【讨论】：

噢，谢谢！这就是我的想法-感谢您的解决方案。我想支持您的解决方案，但我还没有任何声誉。再次感谢您的帮助和出色的软件包，Max。