【R 机器学习案例】Titanic 数据 Logistic 回归建模

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

来自

@Mr数据杨
，他自己发个问题就邀请我回答，我一般是懒得回答，真要回答的话，各位看官自己看， 不是看不起 R 机器学习吗？我把Python sklearn 案例改用R mlr3verse 实现，到底哪个更简洁、优雅？说吊打，夸张吗？
Python机器学习如何正确评估分类模型的准确性？

1. library(mlr3verse)
   
2. library(tidyverse)
   
3. dat = read_csv("titanic.csv")
   
4. dat

复制代码

删除 deck 和 alive 列，忽略缺失值，将目标变量转化为因子型：

1. dat = dat %>%
   
2.   select(-c(deck, alive)) %>%
   
3.   drop_na() %>%
   
4.   mutate(survived = factor(survived))
   
5. dat

复制代码

创建任务：

1. task = as_task_classif(dat, target = "survived")

复制代码

划分训练集、测试集：

1. set.seed(1)
   
2. split = partition(task, ratio = 0.5)

复制代码

选择学习器：

Logistic 回归，超参数 maxit 指定 1000 次迭代训练

设置 predict_type="prob" 得到预测概率，以便绘制 ROC 曲线等

1. learner = lrn("classif.log_reg", maxit = 1000, predict_type = "prob")

复制代码

在训练集上训练模型，在测试集上做预测

1. learner$train(task, row_ids = split$train)
   
2. predictions = learner$predict(task, row_ids = split$test)
   
3. predictions

复制代码

评估模型性能

1. predictions$confusion                          # 混淆矩阵

复制代码

1. predictions$score(msr("classif.acc"))          # 准确率

复制代码

1. predictions$score(msr("classif.precision"))    # 查准率

复制代码

1. predictions$score(msr("classif.recall"))    # 召回率

复制代码

1. predictions$score(msr("classif.fbeta"))     # F1得分

复制代码

1. predictions$score(msr("classif.logloss"))   # 对数损失

复制代码

ROC 曲线

1. autoplot(predictions, type = "roc")

复制代码

predictions$score(msr("classif.auc"))      # AUC 面积
PR 曲线

1. autoplot(predictions, type = "prc")

复制代码

---

更多 mlr3verse 机器学习框架学习内容，参阅我的知乎专栏：

R机器学习：基于mlr3verse

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：logistic logisti Titanic ogistic logist R语言 机器学习 mlr3verse Logistic回归 分类度量