R如何判断正负因子变量？

Question

我想做一个二元分类，一个级别是“顶部”，另一个级别是“底部”。 我在 h2o 包中使用了 gbm 并将“底部”作为正类，将“顶部”作为负类。 这是我的代码：

fit <- h2o.gbm(x = regr.var, y = max.var,
             training_frame = ddd, 
             nfolds = 10, 
             distribution = 'multinomial',
             balance_classes = TRUE)
pred <- as.data.frame(h2o.predict(fit, newdata = eee))
threshold <- 0.5
pred1 <- factor( ifelse(pred[, 'top'] > threshold, 'top', 'bottom') )
err.res<-confusionMatrix(pred1 , hh$score_class)
err.res

结果如下：

Confusion Matrix and Statistics
           Reference
Prediction bottom top
bottom      420   123
top          1     6
Accuracy : 0.7745          
95% CI : (0.7373, 0.8088)
No Information Rate : 0.7655          
P-Value [Acc > NIR] : 0.3279          

Kappa : 0.0657          
Mcnemar's Test P-Value : <2e-16          

Sensitivity : 0.99762         
Specificity : 0.04651         
Pos Pred Value : 0.77348         
Neg Pred Value : 0.85714         
Prevalence : 0.76545         
Detection Rate : 0.76364         
Detection Prevalence : 0.98727         
Balanced Accuracy : 0.52207         

'Positive' Class : bottom          

但我想正确预测更多的“顶部”。 我尝试将阈值更改为 0.3，效果更好。 但是，我是否应该在拟合过程中进行更改以对“ROC”等“顶级”指标进行更多预测？ 我应该将“顶部”翻转为正类，将“底部”翻转为负类，我该如何更改？

Answer 1

我认为您想在函数中添加“正”参数：

err.res <- confusionMatrix(pred1, hh$score_class, positive="top")

Answer 2

我建议使用 h2o.confustionMatrix 并使用它来创建不同阈值的矩阵。

前任。 h2o.confusionMatrix(object = fit, threshold = 0.3)

谢谢，

阿夫尼

Answer 3

如果你想直接在 h2o 中声明一个正类，为了有正确的度量（使用h2o.confusionMatrix ， h2o.performance等），你可以使用函数h2o.relevel 。 例如在您的示例中，您应该在模型训练之前添加：

ddd[max.var] <- h2o.relevel(ddd[max.var],'bottom')

（默认情况下，我相信 h2o 根据字母顺序决定正类，并且在您的示例中 h2o 度量函数应该立即起作用）