我确实希望使用caret调整分类算法预测概率。
由于我的数据集非常不平衡，因此Accuracy的默认caret选项似乎不太有用，根据这篇文章：https://stats.stackexchange.com/questions/68702/r-caret-difference-between-roc-curve-and-accuracy-for-classification。
在我的具体情况中，我想确定随机森林的最佳mtry参数，该参数预测概率。我有3个班级，看上去比率为98.7％ - 0.45％ - 0.85％。一个可重复的例子 - 其中没有不平衡的数据集 - 由下式给出：
library(caret)
data(iris)
control = trainControl(method="CV", number=5,verboseIter = TRUE,classProbs=TRUE)
grid = expand.grid(mtry = 1:3)
rf_gridsearch = train(y=iris[,5],x=iris[-5],method="ranger", num.trees=2000, tuneGrid=grid, trControl=control)
rf_gridsearch
所以我的两个问题主要是：
Accuracy以外的其他摘要指标吗？
（使用multiROC不是我最喜欢的，因为：https://stats.stackexchange.com/questions/68702/r-caret-difference-between-roc-curve-and-accuracy-for-classification。我想起了......比如布里尔得分）非常感谢！