其他
mlr3的校准曲线也是一样画！
💡专注R语言在🩺生物医学中的使用
前面介绍了使用tidymodels画校准曲线，不知道大家学会了没？
众所周知，tidymodels目前还不支持一键绘制校准曲线！相同类型的mlr3也是不支持的！大家多去github提issue，加速对校准曲线的支持！
今天介绍mlr3怎么画校准曲线，还是那句话，校准曲线就是散点图，你非说是折线图也行......
加载R包
首先还是加载数据和R包，和之前的数据一样的。
library(mlr3verse)
## Loading required package: mlr3
library(mlr3pipelines)
library(mlr3filters)
建立任务
然后是对数据进行划分训练集和测试集，对数据进行预处理，为了和之前的tidymodels进行比较，这里使用的数据和预处理步骤都是和之前一样的。
# 读取数据
all_plays <- readRDS("../000files/all_plays.rds")
# 建立任务
pbp_task <- as_task_classif(all_plays, target="play_type")
# 数据划分
split_task <- partition(pbp_task, ratio=0.75)
task_train <- pbp_task$clone()$filter(split_task$train)
task_test <- pbp_task$clone()$filter(split_task$test)
数据预处理
建立任务后就是建立数据预处理步骤，这里采用和上篇推文tidymodels中一样的预处理步骤：
# 数据预处理
pbp_prep <- po("select", # 去掉3列
selector = selector_invert(
selector_name(c("half_seconds_remaining","yards_gained","game_id")))
) %>>%
po("colapply", # 把这两列变成因子类型
affect_columns = selector_name(c("posteam","defteam")),
applicator = as.factor) %>>%
po("filter", # 去除高度相关的列
filter = mlr3filters::flt("find_correlation"), filter.cutoff=0.3) %>>%
po("scale", scale = F) %>>% # 中心化
po("removeconstants") # 去掉零方差变量
建立模型
先选择随机森林模型。
rf_glr <- as_learner(pbp_prep %>>% lrn("classif.ranger", predict_type="prob"))
rf_glr$id <- "randomForest"
很多人喜欢在训练集中使用10折交叉验证，但其实这对于提高模型表现没什么用~尤其是临床预测模型这个领域~
因为你的模型表现好不好很大程度上取决于你的数据好不好！鸭子是不会变成天鹅的
rr <- resample(task = task_train,
learner = rf_glr,
resampling = rsmp("cv",folds = 10),
store_models = T)
## INFO [18:25:28.412] [mlr3] Applying learner 'randomForest' on task 'all_plays' (iter 1/10)
## INFO [18:25:58.497] [mlr3] Applying learner 'randomForest' on task 'all_plays' (iter 2/10)
## INFO [18:26:29.302] [mlr3] Applying learner 'randomForest' on task 'all_plays' (iter 3/10)
## INFO [18:27:02.512] [mlr3] Applying learner 'randomForest' on task 'all_plays' (iter 4/10)
## INFO [18:27:31.100] [mlr3] Applying learner 'randomForest' on task 'all_plays' (iter 5/10)
## INFO [18:28:01.090] [mlr3] Applying learner 'randomForest' on task 'all_plays' (iter 6/10)
## INFO [18:28:30.868] [mlr3] Applying learner 'randomForest' on task 'all_plays' (iter 7/10)
## INFO [18:29:01.464] [mlr3] Applying learner 'randomForest' on task 'all_plays' (iter 8/10)
## INFO [18:29:32.870] [mlr3] Applying learner 'randomForest' on task 'all_plays' (iter 9/10)
## INFO [18:30:03.747] [mlr3] Applying learner 'randomForest' on task 'all_plays' (iter 10/10)
评价模型
先看看在训练集中的表现。
混淆矩阵：
rr$prediction()$confusion
## truth
## response pass run
## pass 31932 9886
## run 8819 18345
混淆矩阵可视化：
autoplot(rr$prediction())
查看其他结果：
rr$aggregate(msrs(c("classif.auc","classif.acc","classif.bbrier")))
## classif.auc classif.acc classif.bbrier
## 0.7979179 0.7288424 0.1790592
喜闻乐见ROC曲线：
autoplot(rr,type = "roc")
喜闻乐见的prc曲线：
autoplot(rr, type = "prc")
箱线图：
autoplot(rr, measure = msr("classif.auc"))
以上所有介绍的图形和评价方法都在之前的推文详细介绍过了~不会的赶紧翻看：R语言机器学习R包：mlr3（合辑）
训练集的校准曲线
先画训练集的校准曲线，毫无难度，看不懂的可以加群一起讨论~
prediction <- as.data.table(rr$prediction())
head(prediction)
## row_ids truth response prob.pass prob.run
## 1: 6 run run 0.4294702 0.57052982
## 2: 30 pass pass 0.7730236 0.22697638
## 3: 48 run run 0.2052662 0.79473378
## 4: 94 pass pass 0.6593303 0.34066970
## 5: 106 pass pass 0.5731238 0.42687625
## 6: 108 pass pass 0.9365055 0.06349447
方法1：
suppressPackageStartupMessages(library(tidyverse))
library(ggsci)
calibration_df <- prediction %>%
mutate(pass = if_else(truth == "pass", 1, 0),
pred_rnd = round(prob.pass, 2)
) %>%
group_by(pred_rnd) %>%
summarize(mean_pred = mean(prob.pass),
mean_obs = mean(pass),
n = n()
)
ggplot(calibration_df, aes(mean_pred, mean_obs))+
geom_point(aes(size = n), alpha = 0.5)+
scale_color_lancet()+
geom_abline(linetype = "dashed")+
labs(x="Predicted Probability", y= "Observed Probability")+
theme_minimal()
第2种方法，大家比较喜欢的折线图！
cali_df <- prediction %>%
arrange(prob.pass) %>%
mutate(pass = if_else(truth == "pass", 1, 0),
group = c(rep(1:100,each=680), rep(101,982))
) %>%
group_by(group) %>%
summarise(mean_pred = mean(prob.pass),
mean_obs = mean(pass)
)
ggplot(cali_df, aes(mean_pred, mean_obs))+
geom_line(size=1)+
labs(x="Predicted Probability", y= "Observed Probability")+
theme_minimal()
是不是和上一篇中的tidymodels画出来的一模一样？没错，就是一样的，就是这么简单，想怎么画就怎么画
！
测试集的校准曲线
先把模型用在测试集上，得到预测结果，然后画图！
cv_pred <- rf_glr$train(task_train)$predict(task_test)
cv_pred_df <- as.data.table(cv_pred)
head(cv_pred_df)
row_ids truth response prob.pass prob.run
1: 2 pass run 0.4213731 0.5786269
2: 5 pass pass 0.8475027 0.1524973
3: 6 run run 0.3782730 0.6217270
4: 12 pass pass 0.6308144 0.3691856
5: 14 pass pass 0.8371294 0.1628706
6: 15 run run 0.1837391 0.8162609
先画个喜闻乐见的校准曲线：
cali_df <- cv_pred_df %>%
arrange(prob.pass) %>%
mutate(pass = if_else(truth == "pass", 1, 0),
group = c(rep(1:100,each=229), rep(101,94))
) %>%
group_by(group) %>%
summarise(mean_pred = mean(prob.pass),
mean_obs = mean(pass)
)
ggplot(cali_df, aes(mean_pred, mean_obs))+
geom_line(size=1)+
labs(x="Predicted Probability", y= "Observed Probability")+
theme_minimal()
另一种颜值高点的校准曲线，给你点颜色瞧瞧！
calibration_df <- cv_pred_df %>%
mutate(pass = if_else(truth == "pass", 1, 0),
pred_rnd = round(prob.pass, 2)
) %>%
group_by(pred_rnd) %>%
summarize(mean_pred = mean(prob.pass),
mean_obs = mean(pass),
n = n()
) %>%
mutate(group = case_when(n < 100 ~ "<100",
n < 200 ~ "<200",
n < 300 ~ "<300",
n < 400 ~ "<400",
TRUE ~ "≥400"
))
ggplot(calibration_df, aes(mean_pred, mean_obs))+
geom_point(aes(size = n, color = group))+
scale_color_jama()+
geom_abline(linetype = "dashed")+
labs(x="Predicted Probability", y= "Observed Probability")+
theme_minimal()
“校准曲线，你学会了吗？
我知道并没有，比如，多条画一起怎么搞？生存资料的怎么搞？
关于这两个问题，可以翻看我之前的推文：
加群即可免费获得今日示例数据！
获取更多信息，欢迎加入🐧QQ交流群：613637742
“医学和生信笔记，专注R语言在临床医学中的使用、R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。
往期回顾
树状数据/层次数据可视化
新版TCGAbiolinks包学习：表达矩阵提取（mRNA/lncRNA/counts/tpm/fpkm）
dplyr中的across操作
基于data.table的“tidyverse”？
R语言可视化meta分析的文献质量评价
文献学习：机器学习方法帮助缩短就诊时间