ROCR 패키지 - 로지스틱 회귀 이외의 분류

Question

this 링크를 참조하여 ROC 곡선 및 기타 관련 정확도 측정 지표를 그릴 때 ROCR 패키지 사용법을 설명합니다. 저자는 처음에는 로지스틱 회귀에 대해 언급하지만 이러한 기능 (예측, ROCR의 성능)은 SVM, 의사 결정 트리 등과 같은 다른 분류 알고리즘에도 적용됩니까?

내 SVM 모델의 결과와 함께 predict() 함수를 사용해 보았지만 동일한 유형 및 차원의 인수가 있더라도 형식 오류가 발생했습니다. 또한 우리가 이러한 알고리즘에 대한 ROC 커브를 사용하려고 시도 할 때 일반적으로 로지스틱 회귀 (예 : this)와 같은 모양을 갖게 될지 확신하지 못합니다.

Answer 1

prediction과 함수는 사용자가 이진 분류 자로부터 실제 값과 예측 값을 입력하기 만하면된다는 점에서 모델에 의존하지 않습니다. (보다 정확하게는 prediction이 필요하고 performance은 prediction에 의한 객체 출력을 입력으로받습니다. 따라서 로지스틱 회귀와 SVM을 모두 포함하여이 정보를 출력 할 수있는 분류 알고리즘에 두 가지 기능을 모두 사용할 수 있어야합니다. (; 결과는 numeric 대 factor로 저장, 예를 들어, 성향 점수 대 클래스), 당신은 당신이 prediction에 공급하는 것이 적절한 지 확인해야합니다

는이 모델의 예측이 다른 형식으로 올 수 있다고 말했다 가졌어요. 이것은 매우 구체적 일 수 있습니다. 예를 들어, predictions 인수는 연속 또는 클래스 정보를 나타낼 수 있지만 요소가 될 수는 없습니다. 자세한 내용은 함수 도움말 파일의 "details"절을 참조하십시오.