В настоящее время я работаю над калибровкой вероятности. Я использую метод калибровки, называемый rescaling algorithm
- источник http://lem.cnrs.fr/Portals/2/actus/DP_201106.pdf (стр. 7).Калибровка задних вероятностей
алгоритм я написал это:
rescaling_fun = function(x, y, z) {
P_korg = z # yhat_test_prob$BAD
P_k_C1 = sum(as.numeric(y) - 1)/length(y) # testset$BAD
P_kt_C1 = sum(as.numeric(x) - 1)/length(x) # trainset$BAD
P_k_C0 = sum(abs(as.numeric(y) - 2))/length(y)
P_kt_C0 = sum(abs(as.numeric(x) - 2))/length(x)
P_new <- ((P_k_C1/P_kt_C1) * P_korg)/((P_k_C0/P_k_C0) * (1 - P_korg) + (P_k_C0/P_k_C1) * (P_korg))
return(P_new)
}
входные значения являются:
1. x - train_set$BAD (actuals of `train set`)
2. y - test_set$BAD (actuals of `test set`)
3. z - yhat_test_prob$BAD (prediction on `test set`)
проблема - значения результата не в пределах диапазона 0
и 1
. Не могли бы вы помочь решить проблему?
Jaehyeon, благодарю вас за быстрый ответ. Я нашел ошибку, P_new, должен быть ((P_k_C1/P_kt_C1) * P_korg)/((P_k_C0/P_kt_C0) * (1 - P_korg) + (P_k_C1/P_kt_C1) * (P_korg)), это была первая ошибка. то я использовал модификацию ur для P_k_c1, P_kt_c1, P_k_c0 и P_kt_c0, и действительно, почти все выходные значения находятся в диапазоне 0 и 1, но не все из них, возможно, мне нужно изменить только y? – user4847048
Я пробовал все возможные комбинации, и кажется, что с/без этой модификации результаты находятся в пределах 0 и 1. но есть модель (WEKAModelAdditiveRegression), и ее предсказания могут быть отрицательными (т. Е. -0,765) или выше 1 (т. Е. 1,235), может быть, сначала нужно стандартизировать? чтобы получить его прогноз до диапазона 0 и 1? – user4847048
Я не знаю WEKAModelAdditiveRegression и поэтому не могу ответить конкретно. В общем случае, когда двоичный ответ входит в регрессионную модель (включая обобщенную аддитивную модель (GAM)), она может быть ниже 0 или больше 1. Логистическая регрессия является исключением, поскольку ее функция связи предотвращает это. В R пакет гаммы подходит для GAM, а функция 'gam()', похоже, имеет аргумент для выбора функции связи, такой как 'glm()' –