來(lái)自知乎?@Mr數(shù)據(jù)楊?：

Python機(jī)器學(xué)習(xí)如何正確評(píng)估分類(lèi)模型的準(zhǔn)確性？

https://www.zhihu.com/question/573591611/answer/2810483759

他自己發(fā)個(gè)問(wèn)題就邀請(qǐng)我回答，我一般是懶得回答，真要回答的話(huà)，各位看官自己看， 不是看不起 R 機(jī)器學(xué)習(xí)嗎？我把 Python sklearn 案例改用 R mlr3verse 實(shí)現(xiàn)，到底哪個(gè)更簡(jiǎn)潔、優(yōu)雅？說(shuō)吊打，夸張嗎？

準(zhǔn)備數(shù)據(jù)：

刪除?deck?和?alive?列，忽略缺失值，將目標(biāo)變量轉(zhuǎn)化為因子型：

創(chuàng)建任務(wù)：

劃分訓(xùn)練集、測(cè)試集：

選擇學(xué)習(xí)器：

Logistic 回歸，超參數(shù)?maxit?指定 1000 次迭代訓(xùn)練

設(shè)置?predict_type="prob"?得到預(yù)測(cè)概率，以便繪制 ROC 曲線(xiàn)等

在訓(xùn)練集上訓(xùn)練模型，在測(cè)試集上做預(yù)測(cè)

評(píng)估模型性能

ROC 曲線(xiàn)

autoplot(predictions, type = "roc")

PR 曲線(xiàn)

更多?mlr3verse?機(jī)器學(xué)習(xí)框架學(xué)習(xí)內(nèi)容，參閱我的知乎專(zhuān)欄：

https://www.zhihu.com/column/c_1450969849791479809