Ist es möglich, einen anderen ROC-Sollwert in der Caret Train-Funktion zu wählen, anstatt metric = ROC zu verwenden (was meiner Meinung nach die AUC maximiert).Auswählen eines anderen ROC-Sollwerts in Caret
Zum Beispiel:
random.forest.orig <- train(pass ~ x+y,
data = meter.train,
method = "rf",
tuneGrid = tune.grid,
metric = "ROC",
trControl = train.control)
Insbesondere habe ich ein Zwei-Klassen-Problem (gescheitert oder Pass), und ich mag die Prognosen der scheitern zu maximieren, während immer noch eine Genauigkeit nicht beibehalten wird (oder negativen Vorhersagewert) von> 80% . dh für jede 10 Fehlschläge sage ich voraus, dass mindestens 8 von ihnen korrekt sind.
Sie wollen also die Genauigkeit der Klassifizierung zu maximieren? – topepo