我有一个非常大的数据集(ds
)。其中一列为Popularity
,类型为factor
('高'/'低')。
我将数据拆分为70%和30%,以便创建训练集(ds_tr
)和测试集(ds_te
)。
我使用Logistic回归创建了以下模型:
mdl <- glm(formula = popularity ~ . -url , family= "binomial", data = ds_tr )
然后我创建了一个predict
对象(将再次为ds_te
)
y_hat = predict(mdl, data = ds_tr - url , type = 'response')
我想找到对应于截止阈值0.5的精度值,并找到对应于截止阈值0.5的召回值,所以我做了:
library(ROCR)
pred <- prediction(y_hat, ds_tr$popularity)
perf <- performance(pred, "prec", "rec")
结果是一个包含许多值的表
str(perf)
Formal class 'performance' [package "ROCR"] with 6 slots
..@ x.name : chr "Recall"
..@ y.name : chr "Precision"
..@ alpha.name : chr "Cutoff"
..@ x.values :List of 1
.. ..$ : num [1:27779] 0.00 7.71e-05 7.71e-05 1.54e-04 2.31e-04 ...
..@ y.values :List of 1
.. ..$ : num [1:27779] NaN 1 0.5 0.667 0.75 ...
..@ alpha.values:List of 1
.. ..$ : num [1:27779] Inf 0.97 0.895 0.89 0.887 ...
如何找到与截止阈值0.5?
对应的特定精度和召回值答案 0 :(得分:1)
访问效果对象的广告位(通过@ +列表的组合)
我们创建一个包含所有可能值的数据集:
probab.cuts <- data.frame(cut=perf@alpha.values[[1]], prec=perf@y.values[[1]], rec=perf@x.values[[1]])
您可以查看所有关联值
probab.cuts
如果您想选择所需的值,则可以轻松完成:
tail(probab.cuts[probab.cuts$cut > 0.5,], 1)
手动检查
tab <- table(ds_tr$popularity, y_hat > 0.5)
tab[4]/(tab[4]+tab[2]) # recall
tab[4]/(tab[4]+tab[3]) # precision