R语言利用caret包比较ROC曲线
来源:互联网 发布:网络侵权管辖地 编辑:程序博客网 时间:2024/06/16 02:25
说明
我们之前探讨了多种算法,每种算法都有优缺点,因而当我们针对具体问题去判断选择那种算法时,必须对不同的预测模型进行重做评估。为了简化这个过程,我们使用caret包来生成并比较不同的模型与性能。
操作
加载对应的包与将训练控制算法设置为10折交叉验证,重复次数为3:
library(ROCR)library(e1071)library("pROC")library(caret)library("pROC")control = trainControl(method = "repaetedcv", number = 10, repeats =3, classProbs = TRUE, summaryFunction = twoClassSummary)
使用glm在训练数据集上训练一个分类器
glm.model = train(churn ~ ., data= trainset, method = "glm", metric = "ROC", trControl = control)
使用svm在训练数据集上训练一个分类器
svm.model = train(churn ~ ., data= trainset, method = "svmRadial", metric = "ROC", trControl = control)
使用rpart函数查看rpart在训练数据集上的运行情况
rpart.model = train(churn ~ ., data = trainset, method = "svmRadial", metric = "ROC", trControl = control)
使用不同的已经训练好的数据分类预测:
阅读全文
0 0
- R语言利用caret包比较ROC曲线
- R语言利用caret包比较ROC曲线
- R语言利用caret包比较模型性能差异
- R语言绘制ROC曲线
- R语言-绘制ROC曲线
- R语言-绘制ROC曲线
- R语言之-caret包应用
- R语言 caret包 findCorrelation()函数用法
- R语言:利用caret包中的dummyVars函数进行虚拟变量处理
- R语言利用caret包对变量重要程度排序与选择特性
- r语言怎么做ROC曲线
- 二分类模型性能评价(R语言,logistic回归,ROC曲线,lift曲线,lorenz曲线)
- 二分类模型性能评价(R语言,logistic回归,ROC曲线,lift曲线,lorenz曲线)
- 使用R绘制ROC曲线
- 利用scikitlearn画ROC曲线
- R语言的特征选择(Feature Selection)包:Boruta和caret
- 用R软件包ROCR画ROC曲线
- R语言︱ROC曲线——分类器的性能表现评价
- Java四种线程池的使用
- 梦网云通讯获取状态报告API接口get_rpt说明POST请求示例
- optee thread的初始化
- 1039. Course List for Student (25)
- OpenCV学习笔记(19)关于CV_8UC1,CV_8UC2等参数
- R语言利用caret包比较ROC曲线
- sql server字段类型详解
- IOS 修改状态栏颜色
- Redis java调用API
- Ubuntu expect使用经验
- 百度地图申请密钥Android SDK
- 窗口有闪烁标题
- Linux开发板下自动开机时启动应用程序
- EF之Model First模型优先