如何用F1代替精度来训练非二进制分类部件？
如何用F1代替精度来训练非二进制分类部件？
提问于 2016-01-13 16:24:56
我使用插入符号来进行非二进制(三个类)决策树分类。我的数据集是倾斜的，所以我想使用F1而不是准确性来进行培训和测试。我该怎么设置这个？
对于MWE，我们可以预测钻石数据集中的切割：
library(ggplot2)
library(caret)
inTrain <- createDataPartition(diamonds$cut, p=0.75, list=FALSE)
training <- diamonds[inTrain,]
testing <- diamonds[-inTrain,]
fitModel <- train(cut ~ ., training, method = "rpart")如何在这里使用F1？
回答 1
Stack Overflow用户
回答已采纳
发布于 2016-01-13 17:00:34
http://topepo.github.io/caret/training.html的页面详细介绍了如何为列车功能创建一个新的度量-
你需要创建一个有三个参数的新函数-
- data -“是数据框架或矩阵的引用，列名为obs和pred，用于观察和预测的结果值(用于回归的数字数据或用于分类的字符值)。”
- “lev -”是一个字符串，其结果因子级别从训练数据中提取出来。对于回归，一个NULL值被传递到函数中。
- name -“是使用的模型的字符串”
该函数应该计算数据对象中观察到的标签和预测标签的F评分，并根据度量命名结果-
例如，函数的计算精度。
summaryStats <- function (data, lev = NULL, model = NULL) {
cor <- sum(data$pred==data$obs)
incor <- sum(data$pred!=data$obs)
out <- cor/(cor + incor)
names(out) <- c("acc")
out
} 然后创建一个新的trainControl对象并训练您的模型--
fitControl <- trainControl(summaryFunction = summaryStats)
fitModel <- train(cut ~ ., training, trControl = fitControl, metric = "acc", maximize=TRUE) 页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/34771852
复制相关文章
相似问题
腾讯云开发者
