train() 中的 ROC 度量，插入符号包

Question

df 在训练和测试数据帧中被拆分。训练数据帧分为训练和测试数据帧。因变量Y 是二进制（因子），值为 0 和 1。我正在尝试使用此代码（神经网络、插入符号包）预测概率：

library(caret)

model_nn <- train(
  Y ~ ., training,
  method = "nnet",
  metric="ROC",
  trControl = trainControl(
    method = "cv", number = 10,
    verboseIter = TRUE,
    classProbs=TRUE
  )
)

model_nn_v2 <- model_nn
nnprediction <- predict(model_nn, testing, type="prob")
cmnn <-confusionMatrix(nnprediction,testing$Y)
print(cmnn) # The confusion matrix is to assess/compare the model

但是，它给了我这个错误：

    Error: At least one of the class levels is not a valid R variable name; 
This will cause errors when class probabilities are generated because the
 variables names will be converted to  X0, X1 . Please use factor levels 
that can be used as valid R variable names  (see ?make.names for help).

我不明白“使用可用作有效 R 变量名称的因子级别”是什么意思。因变量Y 已经是一个因子，但不是有效的 R 变量名称？

PS：如果您删除trainControl() 中的classProbs=TRUE 和train() 中的metric="ROC"，代码将完美运行。但是，"ROC" 指标是我比较最佳模型的指标，因此我正在尝试使用“ROC”指标制作模型。

编辑：代码示例：

# You have to run all of this BEFORE running the model
classes <- c("a","b","b","c","c")
floats <- c(1.5,2.3,6.4,2.3,12)
dummy <- c(1,0,1,1,0)
chr <- c("1","2","2,","3","4")
Y <- c("1","0","1","1","0")
df <- cbind(classes, floats, dummy, chr, Y)
df <- as.data.frame(df)
df$floats <- as.numeric(df$floats)
df$dummy <- as.numeric(df$dummy)

classes <- c("a","a","a","b","c")
floats <- c(5.5,2.6,7.3,54,2.1)
dummy <- c(0,0,0,1,1)
chr <- c("3","3","3,","2","1")
Y <- c("1","1","1","0","0")
df <- cbind(classes, floats, dummy, chr, Y)
df <- as.data.frame(df)
df$floats <- as.numeric(df$floats)
df$dummy <- as.numeric(df$dummy)

Answer 1

这里有两个不同的问题。

第一个是错误消息，它说明了一切：您必须使用 "0", "1" 以外的其他值作为因因子变量 Y 的 值。

在构建数据框df 后，您至少可以通过两种方式做到这一点；第一个提示错误消息，即使用make.names:

df$Y <- make.names(df$Y)
df$Y
# "X1" "X1" "X1" "X0" "X0"

第二种方法是使用levels 函数，通过它您可以明确控制名称本身；在这里再次显示名称X0 和X1

levels(df$Y) <- c("X0", "X1")
df$Y
# [1] X1 X1 X1 X0 X0
# Levels: X0 X1

添加上述任一行后，显示的train() 代码将顺利运行（将training 替换为df），但仍不会产生任何ROC 值，而是给出警告：

Warning messages:
1: In train.default(x, y, weights = w, ...) :
  The metric "ROC" was not in the result set. Accuracy will be used instead.

这将我们带到这里的第二个问题：为了使用 ROC 指标，您必须在 trControl 参数中添加 summaryFunction = twoClassSummary train()：

model_nn <- train(
  Y ~ ., df,
  method = "nnet",
  metric="ROC",
  trControl = trainControl(
    method = "cv", number = 10,
    verboseIter = TRUE,
    classProbs=TRUE,
    summaryFunction = twoClassSummary # ADDED
  )
)

使用您提供的玩具数据运行上述 sn-p 仍然会出现错误（缺少 ROC 值），但这可能是由于此处使用的数据集非常小加上大量 CV 折叠，它会您自己的完整数据集不会发生（如果我将 CV 折叠减少到 number=3，它就可以正常工作）...