r - 将下采样后的预测概率转换为分类中的实际概率（使用 mlr）

Question

如果我在不平衡二元目标变量的情况下使用欠采样来训练模型，则预测方法会在平衡数据集的假设下计算概率。如何将这些概率转换为不平衡数据的实际概率？转换参数/函数是在 mlr 包还是其他包中实现的？例如：

a <- data.frame(y=factor(sample(0:1, prob = c(0.1,0.9), replace=T, size=100)))
a$x <- as.numeric(a$y)+rnorm(n=100, sd=1)
task <- makeClassifTask(data=a, target="y", positive="0")
learner <- makeLearner("classif.binomial", predict.type="prob")
learner <- makeUndersampleWrapper(learner, usw.rate = 0.1, usw.cl = "1")
model <- train(learner, task, subset = 1:50)
pred <- predict(model, task, subset = 51:100)
head(pred$data)

Answer 1

[Dal Pozzolo et al., 2015]提出了一种非常简单但功能强大的方法。

论文标题：“不平衡分类的欠采样校准概率” Andrea Dal Pozzolo、Olivier Caelen†、Reid A. Johnson、Gianluca Bontempi

它专门用于解决下采样情况下的校准问题（即将分类器的预测概率转换为不平衡情况下的实际概率）。

您只需要使用以下公式更正您的预测概率 p_s：

   p = beta * p_s / ((beta-1) * p_s + 1)

其中 beta 是欠采样后的多数类实例数与原始训练集中的多数类实例数之比。

其他方法 已经提出了不特别关注下采样偏差的其他方法。其中最受欢迎的有以下几种：

• Platt 的缩放或 sigmoid 方法 (Platt, 1999)
• 基于等渗回归的方法（Zadrozny 和 Elkan，2001 年）

它们都在 R 中实现