是否有可能运行监督分类随机森林最大化灵敏度(TP /(TP + FN))? 据我所知,Accuracy或Kappa是度量标准。 下面是一个真实的例子,其中Kappa和Accuracy错过了根据需要评估模型。正如答案和评论(@Hanjo和@Aaron)所指出的那样,敏感度本身并不是一个好的指标。灵敏度R随机森林
0 1 T
0 1213 50 1263
1 608 63 671
T 1821 113 1934
> Precisao(prev_table)
[1] "accuracy(TP+TN/T)= 0.66"
[1] "precision(TP/TP+FP)= 0.558"
[1] "sensitivity(TP/TP+FN)= 0.0939"
[1] "positive= 671 0.347"
[1] "negative= 1263 0.653"
[1] "predicted positive= 113 0.0584"
[1] "predicted negative= 1821 0.942"
[1] "Total= 1934"
这个真正x预测的结果对目标来说很差。
你可以,但为什么特别敏感?查看“caret”库并在训练模型下,将“metric”设置为敏感度。我认为'kappa'是一个更好的评估模型的表现,因为它考虑了类别失衡 –
@ HanjoJo'burgOdendaal,看起来,文档中只有Accuracy和Kappa是可能的指标。 – x00