R如何判断正负因子变量？答案

【问题标题】：How does R judges positive and negative factor variables?R如何判断正负因子变量？
【发布时间】：2016-02-11 23:13:36
【问题描述】：

我想做一个二进制分类，一个是“top”，另一个是“bottom”。我在 h2o 包中使用 gbm 并将“底部”作为正类，将“顶部”作为负类。这是我的代码：

fit <- h2o.gbm(x = regr.var, y = max.var,
             training_frame = ddd, 
             nfolds = 10, 
             distribution = 'multinomial',
             balance_classes = TRUE)
pred <- as.data.frame(h2o.predict(fit, newdata = eee))
threshold <- 0.5
pred1 <- factor( ifelse(pred[, 'top'] > threshold, 'top', 'bottom') )
err.res<-confusionMatrix(pred1 , hh$score_class)
err.res

结果如下：

Confusion Matrix and Statistics
           Reference
Prediction bottom top
bottom      420   123
top          1     6
Accuracy : 0.7745          
95% CI : (0.7373, 0.8088)
No Information Rate : 0.7655          
P-Value [Acc > NIR] : 0.3279          

Kappa : 0.0657          
Mcnemar's Test P-Value : <2e-16          

Sensitivity : 0.99762         
Specificity : 0.04651         
Pos Pred Value : 0.77348         
Neg Pred Value : 0.85714         
Prevalence : 0.76545         
Detection Rate : 0.76364         
Detection Prevalence : 0.98727         
Balanced Accuracy : 0.52207         

'Positive' Class : bottom

但我想正确预测更多“顶部”。我尝试将阈值更改为 0.3，它的性能更好。但是，我是否应该在拟合过程中进行更改以对“ROC”指标等“顶部”做出更多预测？我应该将“顶部”翻转为正类，将“底部”翻转为负类，我该如何改变它？

【问题讨论】：

你有一个班级不平衡的案例。如果您想正确预测较小的类别（即您的示例中的“top”），您将必须修改您的方法以使正确分类较小的类别具有更大的权重。这不是一个编程问题 - 您可能会在 stats 或 cs 等其他网站上找到更好的答案。
R 没有正负因子变量的概念。这完全由 h2o 包处理，所以你应该问那些人。通常大多数第三方工具都能正确理解 0 和 1。

标签： r classification roc gbm h2o

【解决方案1】：

如果你想直接在 h2o 中声明一个正类，为了有正确的指标（h2o.confusionMatrix，h2o.performance 等），你可以使用函数h2o.relevel。例如在您的示例中，您应该在模型训练之前添加：

ddd[max.var] <- h2o.relevel(ddd[max.var],'bottom')

（默认情况下，我相信 h2o 会根据字母顺序决定正类，在您的示例中，h2o 度量函数应该立即起作用）

【讨论】：

【解决方案2】：

我认为你想在你的函数中添加 'positive' 参数：

err.res <- confusionMatrix(pred1, hh$score_class, positive="top")

【讨论】：

【解决方案3】：

我建议使用 h2o.confustionMatrix 并使用它来创建不同阈值的矩阵。

例如。 h2o.confusionMatrix(object = fit, threshold = 0.3)

谢谢，

Avni

【讨论】：