Używam 2 rodzajów regresji logistycznej - jeden jest typem prostym do klasyfikacji binarnej, a drugi to porządkowa regresja logistyczna. Do obliczenia dokładności pierwszego użyłem walidacji krzyżowej, w której obliczyłem AUC dla każdego krotności, a następnie obliczyłem średnią AUC. Jak mogę to zrobić dla porządkowej regresji logistycznej? Słyszałem o uogólnionym ROC dla predyktorów wieloklasowych, ale nie jestem pewien, jak to obliczyć.
Dzięki!
logistic
cross-validation
roc
auc
ordered-logit
Noam Peled
źródło
źródło
Odpowiedzi:
Podoba mi się tylko obszar pod krzywą ROC ( -index), ponieważ zdarza się, że jest to prawdopodobieństwo zgodności. jest elementem składowym współczynników korelacji rang. Na przykład Somers ' . Dla porządkowego , jest doskonałą miarą dyskryminacji predykcyjnej, a pakiet R zapewnia łatwy sposób na uzyskanie oszacowań z . Możesz wykonać rozwiązanie wsteczne dla uogólnionego indeksu (uogólnionego AUROC). Istnieją powody, aby nie uwzględniać każdy poziom oddzielnie, ponieważ w ten sposób nie wykorzystać porządkowy charakter .do do rex y= 2 × ( c -12)) Y rex y rex y do Y Y
rms
WY
rms
są dwie funkcje: regresji porządkowejlrm
iorm
, z drugiej manipulacji ciągłym i zapewnia więcej rodzin Funkcje dystrybucji (Link) niż proporcjonalny kursów.źródło
orm
AUC regresji porządkowej jest czymś trudnym. Możesz obliczyć AUC dla każdej klasy, tworząc manekiny, aby przyjąć wartość 1 dla klasy, którą obliczasz AUC i 0 dla pozostałych klas. Jeśli masz 4 klasy, utworzysz 4 AUC i narysujesz je na tym samym wykresie. Głównym problemem związanym z tą metodą jest to, że w równym stopniu karze ona za błędną klasyfikację. Znacznie bardziej intuicyjnie pomijanie klasyfikacji klasy 1 do klasy 3 powinno być gorsze niż pomijanie klasyfikacji klasy 1 do klasy 2.
źródło