第100+40步 ChatGPT学习：R语言实现多轮建模

回顾一下什么叫多轮建模：

要综合判断一个模型好不好，一次随机抽样是不行的，得多次抽样建模，看看整体的性能如何才行（特别是对于这种小训练集）。

所以我的思路是，随机抽取训练集和验证集2000次（随你），然后构建2000个ML模型（譬如2000个朴素贝叶斯），得出2000批性能参数。那怎么实现呢，下面上R语言代码，以朴素贝叶斯为例：

library(caret)
library(e1071)
library(pROC)

# 加载数据集
dataset <- read.csv("X disease code fs.csv")
cat("数据集加载成功。\n")
X <- dataset[, 2:14]
Y <- dataset[, 1]

# 初始化结果数据框
results <- data.frame(
  Random_Seed = integer(),
  Sensitivity_Test = numeric(),
  Specificity_Test = numeric(),
  AUC_Test = numeric(),
  Sensitivity_Train = numeric(),
  Specificity_Train = numeric(),
  AUC_Train = numeric()
)
cat("结果数据框初始化完成。\n")

# 遍历随机种子
for (n in 1:2000) {
  set.seed(n)
  cat("设置随机种子为", n, "\n")
  
  # 划分数据集
  trainIndex <- createDataPartition(Y, p = 0.7, list = FALSE)
  X_train <- X[trainIndex, ]
  X_test <- X[-trainIndex, ]
  y_train <- Y[trainIndex]
  y_test <- Y[-trainIndex]
  cat("数据集划分为训练集和测试集。\n")
  
  # 标准化特征
  preProcValues <- preProcess(X_train, method = c("center", "scale"))
  X_train <- predict(preProcValues, X_train)
  X_test <- predict(preProcValues, X_test)
  cat("特征标准化完成。\n")
  
  # 训练朴素贝叶斯模型
  model <- naiveBayes(X_train, y_train)
  cat("朴素贝叶斯模型训练完成。\n")
  
  # 进行预测
  y_pred <- predict(model, X_test)
  y_train_pred <- predict(model, X_train)
  cat("完成对训练集和测试集的预测。\n")
  
  # 计算混淆矩阵
  cm_test <- confusionMatrix(as.factor(y_pred), as.factor(y_test))
  cm_train <- confusionMatrix(as.factor(y_train_pred), as.factor(y_train))
  cat("混淆矩阵计算完成。\n")
  
  # 计算AUC分数
  auc_test <- auc(as.numeric(y_test), as.numeric(y_pred))
  auc_train <- auc(as.numeric(y_train), as.numeric(y_train_pred))
  cat("AUC分数计算完成：测试集 =", auc_test, "，训练集 =", auc_train, "\n")
  
  # 提取敏感性和特异性
  sen_test <- cm_test$byClass["Sensitivity"]
  sep_test <- cm_test$byClass["Specificity"]
  sen_train <- cm_train$byClass["Sensitivity"]
  sep_train <- cm_train$byClass["Specificity"]
  cat("敏感性和特异性提取完成。\n")
  
  # 追加结果
  results <- rbind(results, data.frame(
    Random_Seed = n,
    Sensitivity_Test = sen_test,
    Specificity_Test = sep_test,
    AUC_Test = auc_test,
    Sensitivity_Train = sen_train,
    Specificity_Train = sep_train,
    AUC_Train = auc_train
  ))
  
  cat("第", n, "次迭代的结果已追加。\n")
}

# 保存结果到CSV
write.csv(results, "jet_NB_par.csv", row.names = FALSE)
cat("结果已保存到jet_NB_par.csv。\n")

简单解说：

（A）其实就是一个for循环语句，for (n in 1:2000) ，2000次就是2000，你要是想运行10000次，就改成10000；

（B）运行以后呢，可以看到模型在迭代，显示的是运行到第几个模型了：

（C）用代码write.csv(results, "jet_NB_par.csv", row.names = FALSE)输出成excel查看，输出地址就是你的工作路径，不懂的话可以使用代码getwd()展示出来。

（D）打开工作路径，可以发现jet_NB_par这个文件：

（E）打开文件，调整一下格式：

（F）然后可以操作了，比如test-sen排个序，看看最好的有多好；比如看看2000次的平均值和标准差：AUC平均值0.77-0.78左右。剩下的自己玩了，不说那么多了，发挥你们的妄想空间。