5

我有一个非常大的数据集(ds)。它的一列是('High' / 'Low')Popularity类型。factor

我将数据分成 70% 和 30% 以创建训练集 ( ds_tr) 和测试集 ( ds_te)。

我使用逻辑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(将再做一次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 ...

如何找到对应于 0.5 截止阈值的特定精度和召回值?

4

1 回答 1

1

访问性能对象的槽(通过@+list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的值

probab.cuts

如果要选择请求的值,只需执行以下操作:

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
于 2016-01-03T22:29:27.943 回答