将下采样后的预测概率转换为分类中的实际概率（使用 mlr）

Question

如果我在不平衡二元目标变量的情况下使用欠采样来训练模型，则预测方法会在平衡数据集的假设下计算概率。如何将这些概率转换为不平衡数据的实际概率？转换参数/函数是在 mlr 包还是其他包中实现的？例如：

a <- data.frame(y=factor(sample(0:1, prob = c(0.1,0.9), replace=T, size=100)))
a$x <- as.numeric(a$y)+rnorm(n=100, sd=1)
task <- makeClassifTask(data=a, target="y", positive="0")
learner <- makeLearner("classif.binomial", predict.type="prob")
learner <- makeUndersampleWrapper(learner, usw.rate = 0.1, usw.cl = "1")
model <- train(learner, task, subset = 1:50)
pred <- predict(model, task, subset = 51:100)
head(pred$data)

Answer 1

[Dal Pozzolo et al., 2015] 提出了一个非常简单但功能强大的方法。

论文标题：“使用欠采样校准概率 不平衡分类” Andrea Dal Pozzolo , 奥利维尔·卡伦† , 里德·A·约翰逊 , 詹卢卡·邦坦皮

它专门用于解决下采样情况下的校准问题（即将分类器的预测概率转换为不平衡情况下的实际概率）。

您只需使用以下公式修正您的预测概率 p_s：

   p = beta * p_s / ((beta-1) * p_s + 1)

其中 beta 是欠采样后多数类实例的数量与原始训练集中多数类实例的数量之比。

其他方法 已经提出了其他没有特别关注下采样偏差的方法。其中最受欢迎的有以下几种：

• Platt’s scaling 或 sigmoid 方法（Platt，1999）
• 基于等渗回归的方法 (Zadrozny and Elkan, 2001)

它们都在R中实现