在R的tidymodels中自定义G-mean评估指标失败，求排查错误

原代码的核心问题 #

• 函数名不匹配：定义了g_mean_rate_impl但未使用，反而在metric_vec_template中调用不存在的g_mean_impl，导致函数找不到
• 核心计算缺失：直接写sqrt(sensitivity * specificity)但未实际计算这两个指标，没有基于输入的truth和estimate生成对应数值
• 未调用官方指标函数：没有借助yardstick包的向量版指标函数来正确计算敏感度和特异度

修复后的完整代码 #

library(yardstick)
library(tidyverse)

# 向量版G-mean计算函数
g_mean_vec <- function(truth, 
                       estimate, 
                       estimator = NULL, 
                       na_rm = TRUE, 
                       event_level = "first",
                       ...) {
  # 自动确定评估器类型（二分类/多分类）
  estimator <- finalize_estimator(truth, estimator)
  
  # 核心计算逻辑
  g_mean_impl <- function(truth, estimate) {
    # 调用yardstick内置函数计算敏感度和特异度
    sens <- sensitivity_vec(truth, estimate, event_level = event_level)
    spec <- specificity_vec(truth, estimate, event_level = event_level)
    # 计算G-mean
    sqrt(sens * spec)
  }
  
  # 使用框架模板封装指标函数
  metric_vec_template(
    metric_impl = g_mean_impl,
    truth = truth,
    estimate = estimate,
    na_rm = na_rm,
    cls = "factor",
    estimator = estimator,
    ...
  )
}

# 创建分类指标对象，指定方向为最大化（G-mean越高越好）
g_mean <- new_class_metric(g_mean, direction = "maximize")

# 数据框接口函数
g_mean.data.frame <- function(data, truth, estimate, na_rm = TRUE, ...) {
  metric_summarizer(
    metric_nm = "g_mean",
    metric_fn = g_mean_vec,
    data = data,
    truth = !!enquo(truth),
    estimate = !!enquo(estimate),
    na_rm = na_rm,
    ...
  )
}

测试代码 #

用yardstick内置的二分类数据集验证功能：

# 加载测试数据
data(two_class_example)

# 计算G-mean
g_mean(two_class_example, truth = truth, estimate = predicted)

# 管道式调用
two_class_example %>% 
  g_mean(truth, predicted)

注意事项 #

• 确保提前加载yardstick和tidymodels相关依赖包
• G-mean默认适用于二分类场景，若需支持多分类，需扩展g_mean_impl中的计算逻辑（如macro/micro平均）
• event_level参数控制正样本类别位置，保持和其他指标设置一致即可

内容的提问来源于stack exchange，提问作者JorRu