如何使用 ROC 使用 caret 包选择最佳模型参数？

Question

我正在尝试基于插入符号构建一个 glm 模型 package.I 想使用 ROC 来选择最佳分类模型的 parameters.I 添加了 summaryFunction=twoClassSummary 和 classProbs = TRUE 到 trainControl 函数和 metric = "ROC" 到 train 函数。

这是我的代码：

library('caret')

dat <- read.table(text = " target birds    wolfs     snakes
+       0        3        9         7
+       1        3        8         4
+       1        1        2         8
+       0        1        2         3
+       0        1        8         3
+       1        6        1         2
+       0        6        7         1
+       1        6        1         5
+       0        5        9         7
+       1        3        8         7
+       1        4        2         7
+       0        1        2         3
+       0        7        6         3
+       1        6        1         1
+       0        6        3         9
+       1        6        1         1   ",header = TRUE)

控制函数：

 fitControl <- trainControl( method = "repeatedcv",  number = 10,repeats = 10, summaryFunction=twoClassSummary,classProbs = TRUE)

型号：

glm <- train(target~ ., data = dat, method = "glm", trControl = fitControl, tuneLength = 4, metric = "ROC")

我收到这个错误：

 Error in evalSummaryFunction(y, wts = weights, ctrl = trControl, lev = classLevels,  : 
  train()'s use of ROC codes requires class probabilities. See the classProbs option of trainControl()
In addition: Warning message:
In train.default(x, y, weights = w, ...) :
  cannnot compute class probabilities for regression

我做错了什么？

Answer 1

尝试将 target 列设置为因子的代码：

dat$target<-as.factor(dat$target,labels=c("X0","X1"))

如何使用 ROC 使用 caret 包选择最佳模型参数？

How to use ROC for choosing best model parameters using caret package?

r

r-caret