Question

我执行惩罚性逻辑回归，并使用插入符号（ glmnet ）训练模型。

model_fit <- train(Data[,-1], Data[,1],
               method = "glmnet",
               family="binomial",
               metric = "ROC",
               maximize="TRUE",
               trControl = ctrl,
               preProc = c("center", "scale"),
               tuneGrid=expand.grid(.alpha=0.5,.lambda=lambdaSeq)
               )

根据插入符号文档，函数train＆＃34; [...]计算基于重采样的性能指标＆＃34;和＆＃34;在每个数据集中，计算保留样本的性能，并总结每种组合的平均值和标准差。＆＃34;

results是＆＃34;数据框＆＃34; （包含）＆＃34;训练错误率和调整参数的值。＆＃34;

model_fit$results$ROC是一个向量（大小等于我的调整参数lambda的大小）的重新采样性能指标的平均值吗？（而不是在为lambda的每个值重新估计整个样本的模型后，对整个样本计算的性能指标？）

Answer 1

model_fit$results$ROC是一个向量（大小等于我的调整参数lambda的大小），是重新采样的性能指标均值吗？

是的;确切地说，长度将等于tuneGrid的行数，这恰好与lambdaSeq的长度一致（因为唯一的其他参数alpha ，被保持不变）。

以下是一个快速示例，改编自caret docs（它与gbm和Accuracy指标相符，但想法相同）：

library(caret)
library(mlbench)
data(Sonar)

set.seed(998)
inTraining <- createDataPartition(Sonar$Class, p = .75, list = FALSE)
training <- Sonar[ inTraining,]
testing  <- Sonar[-inTraining,]

fitControl <- trainControl(method = "cv",
                           number = 5)

set.seed(825)

gbmGrid <-  expand.grid(interaction.depth = 3, 
                        n.trees = (1:3)*50, 
                        shrinkage = 0.1,
                        n.minobsinnode = 20)

gbmFit1 <- train(Class ~ ., data = training, 
                 method = "gbm", 
                 trControl = fitControl,
                 tuneGrid = gbmGrid,
                 ## This last option is actually one
                 ## for gbm() that passes through
                 verbose = FALSE)

这里，gbmGrid有3行，即它只包含三（3）个不同的n.trees值，其他参数保持不变;因此，相应的gbmFit1$results$Accuracy将是长度为3的向量：

gbmGrid
#   interaction.depth n.trees shrinkage n.minobsinnode
# 1                 3      50       0.1             20
# 2                 3     100       0.1             20
# 3                 3     150       0.1             20

gbmFit1$results
#   shrinkage interaction.depth n.minobsinnode n.trees  Accuracy     Kappa AccuracySD   KappaSD
# 1       0.1                 3             20      50 0.7450672 0.4862194 0.05960941 0.1160537
# 2       0.1                 3             20     100 0.7829704 0.5623801 0.05364031 0.1085451
# 3       0.1                 3             20     150 0.7765188 0.5498957 0.05263735 0.1061387

gbmFit1$results$Accuracy
# [1] 0.7450672 0.7829704 0.7765188

返回的3个Accuracy值中的每一个都是我们用作重采样技术的5倍交叉验证的验证折叠中的度量标准的结果;更确切地说，它是在这5个折叠中计算出的验证精度的均值（并且您可以看到有一个AccuracySD列，其中也包含其标准差）。

并不是在为每个lambda值重新估计整个样本的模型后，对整个样本计算的性能指标？

正确，不是那样。

插入符号中基于重采样的性能测量

1 个答案: