Question

我有一个data.table，其中包含以下列：

OOSResults <-
  as.data.table(structure(
    list(
      c("1", "1", "1"),
      structure(c(17873, 17876, 17877), class = "Date"),
      c(48, 47, 55),
      c(22, 25, 20),
      c(31, 29, 25)
    ),
    .Names = c("score", "Date", "probH", "probD", "probA"),
    row.names = c(NA,-3L),
    class = c("data.table", "data.frame"),
    sorted = "score"
  ))

-

现在，我想应用ModelMetrics的mLogLoss。它要求

用法

mlogLoss（实际的，预测的）

参数

actual标签的向量。可以是数字，字符或因子

预测值的预测矩阵。可以是矩阵，data.frame

如何将此功能应用于我的data.table，仍然能够使用灵活的方式进一步分析我的data.table，即按日期显示的LogLoss，以及其他任何列，而不会丢失我的data.table。

我尝试过：

OOSResults[, mapply(ModelMetrics::mlogLoss, score, as.matrix(probA/100,probD/100,probH/100))]

最好的问候，基督徒

Answer 1

这里的第一个问题，感谢您的支持。经过进一步尝试，我得到了：

OOSResults2[,mlogLoss(score,as.data.frame(.(probH,probD,probA))),by=Date]

Answer 2

我想您知道如何使用mlogLoss为score计算probA，可以这样进行：

ModelMetrics::mlogLoss(OOSResults$score, as.matrix(OOSResults$probA/100))

现在要使用三个不同的概率列进行计算，您可以使用mapply来进行计算，如下所示：

mapply(function(prob, by){ModelMetrics::mlogLoss(by, as.matrix(prob))}, 
       OOSResults[, c("probH", "probD", "probA")]/100,
       OOSResults[, "score"])

希望有帮助。

r data.table：应用以向量和矩阵为参数的函数

2 个答案: