R Классификационные данные теста RandomForest не имеют значения для прогнозирования

Question

Я пытаюсь классифицировать случайный лес в RI с набором обучающих данных, у которого флаг сложности равен 1 или 0, и я тренирую свою модель на наборе данных с использованием случайного леса:

model1 <- randomForest(as.factor(ComplexityFlag) ~ ContractTypeCode + IndustryLevel2Description + ClaimantAgeAtDisability + Sex, data = data, ntree = 200, importance=TRUE)

Затем я хочу запустить модель с моим набором тестовых данных, но мой набор тестовых данных не имеет ComplexityFlag.Я хочу, чтобы модель предсказывала ComplexityFlag следующим образом:

test$ComplexityFlag <- as.data.frame(predict(model1, newdata = test, type = "class"))

как я могу рассчитать ROC, если я использую правильный подход

Answer 1

Для кривой ROC вы можете использовать пакет pROC.Вам просто нужно убедиться, что predictions равно as.numeric().

Здесь я покажу это на примере, я воспроизвел проблему двоичной классификации с данными iris.

data <- iris

# change the problem to a binary classifier (setosa or not setosa)
data$bin_response <- as.factor(ifelse(data$Species=="setosa", 1, 0))
data <- data[, -5] # remove "Species"

set.seed(123)

train_test <- sample(150, 100, replace = F) # we sample casually 100 values for the train

# split train-test data
train <- data[train_test, ]
test <- data[-train_test, ]

Теперь модель и кривая:

# - model
library(randomForest)

rf_mod <- randomForest(bin_response ~ ., data=train)

# make pred on test data
predictions <- predict(rf_mod, newdata = test[, -5]) # note we remove the "bin_response" col
head(predictions) # lets look at them to check if it's fine
# 2  4 10 13 19 21 
# 1  1  1  1  1  1 
# Levels: 0 1

# now the ROC curve
library(pROC)

roc_result <- roc(test$bin_response, as.numeric(predictions))# Draw ROC curve.
plot(roc_result, print.thres="best", print.thres.best.method="closest.topleft")