模型验证方法——R语言

最新推荐文章于 2023-10-24 15:46:45 发布

weixin_30892987

最新推荐文章于 2023-10-24 15:46:45 发布

阅读量2.2k

点赞数

文章标签： r语言

原文链接：http://www.cnblogs.com/Grayling/p/11223573.html

版权

本文介绍了R语言中模型验证的两种方法：混淆矩阵和ROC曲线。混淆矩阵用于计算模型预测精度，查准率和查全率。以回归模型为例展示了混淆矩阵的运用，查准率达到了91.19%。ROC曲线则通过排序样本并计算相关值来评估模型性能。

摘要由CSDN通过智能技术生成

在数据分析中经常会对不同的模型做判断

一、混淆矩阵法

作用：一种比较简单的模型验证方法，可算出不同模型的预测精度

将模型的预测值与实际值组合成一个矩阵，正例一般是我们要预测的目标。真正例就是预测为正例且实际也是正例（预测正确）；假反例是实际是正例但模型错误预测成反例（即预测错误）；假正例是预测是模型预测是正例，但实际是反例；真反例是预测是反例，实际也是反例。

查准率=真正例/假正例+真正例（真正率占我们预测是正例的比例）

查全率=真正例/真正例+假反例（真正率占我们实际是正例的比例）

以下以回归模型为例，探索混淆矩阵的使用

# 设定五折交叉验证规则
train_control<-trainControl(method = 'cv',number = 5)
# 对数据集分成
set.seed(</

关注