如何基于多阈值高效计算R语言GLM模型的预测准确率？

问题背景 #

已通过以下R代码拟合二项式GLM模型，并将实际标签ACTUAL与预测概率PRED存入数据框HAVE：

DATA = read.csv("https://stats.idre.ucla.edu/stat/data/binary.csv")
MODEL =  glm(admit ~ gre + gpa + rank, data = DATA, family = "binomial")

ACTUAL = DATA$admit
PRED = predict(MODEL, type = "response")

HAVE = data.frame(ACTUAL = ACTUAL, PRED = PRED)

计算模型准确率需将预测概率按阈值转换为0/1标签后与实际值对比，目前已能手动实现单阈值计算（如阈值0.05）：

HAVE$PRED05 = with(HAVE, ifelse(PRED < .05,0,1))
with(HAVE, table(ACTUAL,PRED05))

现需针对CHECK = seq(0,1,.05)这类多阈值批量计算准确率，以下是几种高效实现方法：

方法一：基础R的sapply函数 #

利用基础R的sapply遍历所有阈值，代码简洁易读，适合快速实现：

CHECK = seq(0, 1, 0.05)

# 定义单个阈值的准确率计算函数
calc_accuracy = function(threshold) {
  pred_label = ifelse(HAVE$PRED >= threshold, 1, 0)
  mean(pred_label == HAVE$ACTUAL)
}

# 批量计算所有阈值的准确率
accuracy_results = sapply(CHECK, calc_accuracy)

# 整理为数据框便于查看
accuracy_df = data.frame(Threshold = CHECK, Accuracy = accuracy_results)
print(accuracy_df)

说明：sapply自动遍历CHECK中的每个阈值，调用自定义函数计算准确率，最终返回数值向量，转成数据框后可直观对比不同阈值的效果。

方法二：purrr包的tidy风格处理 #

如果习惯tidyverse生态，用purrr::map_dbl可以更流畅地完成批量计算：

library(purrr)
library(tibble)

# 批量计算准确率并整理为整洁数据框
accuracy_df = tibble(
  Threshold = CHECK,
  Accuracy = map_dbl(CHECK, ~mean(ifelse(HAVE$PRED >= ., 1, 0) == HAVE$ACTUAL))
)

说明：map_dbl对每个阈值执行匿名函数，返回数值向量，配合tibble直接生成结构清晰的数据框，便于后续可视化或分析。

方法三：全向量化操作（最高效） #

避免循环/遍历开销，用向量化运算一次性完成所有阈值的计算，速度最快，适合大数据集：

# 生成预测标签矩阵：每行是样本，每列对应一个阈值的预测标签
pred_matrix = outer(HAVE$PRED, CHECK, function(pred_prob, threshold) {
  as.integer(pred_prob >= threshold)
})

# 计算每个阈值的准确率：每列的正确预测比例
accuracy_results = colMeans(pred_matrix == HAVE$ACTUAL)

accuracy_df = data.frame(Threshold = CHECK, Accuracy = accuracy_results)

说明：outer函数生成n×m的矩阵（n为样本数，m为阈值数），每个元素是对应样本在对应阈值下的预测标签；colMeans直接计算每列的均值，即该阈值下的准确率。这种方法完全利用R的向量化特性，没有循环开销，效率最优。

内容的提问来源于stack exchange，提问作者bvowe