Question

我尝试使用R评估简单预测模型的性能，方法是通过将预测结果分类为定义的间隔来离散预测结果，然后将它们与相应的实际值（分箱）进行比较。

我有两个向量实际和预测，如下所示：

> actual <- c(0,2,0,0,41,1,3,5,2,0,0,0,0,0,6,1,0,0,15,1)
> predicted <- c(3.38,98.01,3.08,4.89,31.46,3.88,4.75,4.64,3.11,3.15,3.42,10.42,3.18,5.73,4.20,3.34,3.95,5.94,3.99)

我需要在这里执行分箱。首先，＆＃39;实际＆＃39;被分解/离散化到不同的水平，比如说： 0-5：等级1 ** 6-10：等级2 ** ...... ** 41-45：等级9

现在，我已经预测了＆＃39;预测＆＃39;也进入上面提到的水桶。我尝试使用R中的 cut（） 函数实现此目的：

binCount <- 5
binActual <- cut(actual,labels=1:binCount,breaks=binCount)
binPred <- cut(predicted,labels=1:binCount,breaks=binCount)

但是，如果你看到预测中的第二个元素（98.01）被标记为5，但它实际上并没有落在所需的时间间隔内。我觉得为预测使用不同的 binCount 将无济于事。任何人都可以为此建议一个解决方案吗？

Answer 1

我不能100％确定你想做什么。

但是根据我的理解，你想要为每个向量的每个元素返回它所在的类。给定一组类，它考虑实际和预测的两个向量中的任何一个值。

如果这是你想要做的，那么你的脚本（如你所说）为0到45之间的值创建类。通过这个剪切，你可以对第一个向量进行分类。

然后为预测的向量创建一组新类。分类不再相同了。

假设我明白你想做什么，我宁愿写：

actual <- c(0,2,0,0,41,1,3,5,2,0,0,0,0,0,6,1,0,0,15,1)
predicted <- c(3.38,98.01,3.08,4.89,31.46,3.88,4.75,4.64,3.11,3.15,3.42,10.42,3.18,5.73,4.20,3.34,3.95,5.94,3.99)

temporary = c(actual, predicted)
maxi <- max(temporary)
mini <- min(temporary)
binCount <- 5
s <- seq(maxi, mini, length.out = binCount)
s = sort(s)

binActual <- cut(actual,breaks=s, include.lowest = T, labels = 1:(length(s)-1))
binPred <- cut(predicted,breaks=s, include.lowest = T, labels = 1:(length(s)-1))

它给出了：

> binActual
 [1] 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Levels: 1 2 3 4

> binPred
 [1] 1 4 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Levels: 1 2 3 4

我不确定这是你在寻找什么，所以让我知道，我也许可以帮助你。祝福。

Answer 2

这是你想要的吗？

intervals <- cbind(seq(0, 40, length = 9), seq(5, 45, length = 9))

cutFixed <- function(x, intervals) {
    sapply(x, function(x) ifelse(x < min(intervals) | x >= max(intervals), NA, which(x >= intervals[,1] & x < intervals[,2])))
}

这给出了以下结果

> cutFixed(actual, intervals)
 [1] 1 1 1 1 9 1 1 2 1 1 1 1 1 1 2 1 1 1 4 1
> cutFixed(predicted, intervals)
 [1]  1 NA  1  1  7  1  1  1  1  1  1  3  1  2  1  1  1  2  1

使用R将两个不同范围的向量合并

2 个答案: