모델을 튜닝 할 때 생성되는 ROC/Sens/Spec과 동일한 데이터 세트의 모델에 의한 실제 예측 간의 차이가있는 것처럼 보입니다. 나는 kernlab의 ksvm을 사용하는 캐럿을 사용하고 있습니다. glm에서이 문제가 발생하지 않았습니다.캐럿 및 svm에 대한 예측의 교차 유효성 확인
data(iris)
library(caret)
iris <- subset(iris,Species == "versicolor" | Species == "setosa") # we need only two output classess
iris$noise <- runif(nrow(iris)) # add noise - otherwise the model is too "perfect"
iris$Species <- factor(iris$Species)
fitControl <- trainControl(method = "repeatedcv",number = 10, repeats = 5, savePredictions = TRUE, classProbs = TRUE, summaryFunction = twoClassSummary)
ir <- train(Species ~ Sepal.Length + noise, data=iris,method = "svmRadial", preProc = c("center", "scale"), trControl=fitControl,metric="ROC")
confusionMatrix(predict(ir), iris$Species, positive = "setosa")
getTrainperf(ir) # same as in the model summary
이 불일치의 원인은 무엇입니까? 어떤 것이 "실제", 교차 - 교차 검증 예측입니까?