R语言利用caret包比较ROC曲线
来源:互联网 发布:mysql表结构导出word 编辑:程序博客网 时间:2024/06/05 08:43
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:
glm.probs = predict(glm.model,testset[,!names(testset) %in% c("churn")],type = "prob")svm.probs = predict(svm.model,testset[,!names(testset) %in% c("churn")],type = "prob")rpart.probs = predict(rpart.model,testset[,!names(testset) %in% c("churn")],type = "prob")
生成每个模型的ROC曲线,将它们绘制在一个图中:
glm.ROC = roc(response = testset[,c("churn")], predictor = glm.probs$yes, levels = levels(testset[,c("churn")]))plot(glm.ROC,type = "S",col = "red")svm.ROC = roc(response = testset[,c("churn")], predictor = svm.probs$yes, levels = levels(testset[,c("churn")]))plot(svm.ROC,add = TRUE,col = "green")rpart.ROC = roc(response = testset[,c("churn")], predictor = rpart.probs$yes, levels = levels(testset[,c("churn")]))plot(rpart.ROC,add = TRUE,col = "blue")
三种分类器的ROC曲线
说明
将不同的分类模型的ROC曲线绘制在同一个图中进行比较,设置训练过程的控制参数为重复三次的10折交叉验证,模型性能的评估参数为twoClassSummary,然后在使用glm,svm,rpart,三种不同的方法建立分类模型。
从图中可以看出,svm对训练集的预测结果(未调优)是三种分类算法里最好的。
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
- Qt5.8 按钮弹出菜单
- C++学习(34)
- 字符串hash——洛谷P1117 优秀的拆分
- 模拟Servlet单例多线程
- Android内容提供者之读取联系人信息
- R语言利用caret包比较ROC曲线
- makefile笔记
- Navicat for Mysql外键创建失败
- iOS-AVFoundation自定义相机详解
- js函数回调错误
- c#图解教程笔记1
- 支付宝即时到帐功能接入--解决sign和mysign不等的坑爹旅程
- 分布式锁实现
- C#读取excel表格