校准曲线
最编程
2024-02-11 20:44:37
...
下面给大家手动画一个校准曲线。
两种画法，差别不大，主要是分组方法不一样，第2种分组方法是大家常见的哦~
如果你还不懂为什么我说校准曲线是散点图，建议你先看看一些基础知识：x一文搞定临床预测模型的评价，看了不吃亏。
calibration_df <- pred_rf %>%
mutate(pass = if_else(play_type == "pass", 1, 0),
pred_rnd = round(.pred_pass, 2)
) %>%
group_by(pred_rnd) %>%
summarize(mean_pred = mean(.pred_pass),
mean_obs = mean(pass),
n = n()
)
ggplot(calibration_df, aes(mean_pred, mean_obs))+
geom_point(aes(size = n), alpha = 0.5)+
geom_abline(linetype = "dashed")+
theme_minimal()
第2种方法：
cali_df <- pred_rf %>%
arrange(.pred_pass) %>%
mutate(pass = if_else(play_type == "pass", 1, 0),
group = c(rep(1:249,each=92), rep(250,87))
) %>%
group_by(group) %>%
summarise(mean_pred = mean(.pred_pass),
mean_obs = mean(pass)
)
cali_plot <- ggplot(cali_df, aes(mean_pred, mean_obs))+
geom_point(alpha = 0.5)+
geom_abline(linetype = "dashed")+
theme_minimal()
cali_plot
两种方法差别不大，效果都是很好的，这就说明，好就是好，不管你用什么方法，都是好！如果你的数据很烂，那大概率你的结果也是很烂！不管用什么方法都是烂！
最后，随机森林这种方法是可以计算变量重要性的，当然也是能把结果可视化的。
顺手给大家演示下如何可视化随机森林结果的变量重要性：
library(vip)
fit_rf %>%
extract_fit_parsnip() %>%
vip(num_features = 10)
“所以，校准曲线的画法，你学会了吗？
有问题欢迎评论区留言！
加群即可免费获得示例数据！
本文首发于公众号：医学和生信笔记
“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。