如何在R中基于数据框排名准则执行多数投票筛选最优模型

DevOps 小满

2026-8-4

基于多数投票筛选最优预测模型的R实现

场景说明

现有包含8个预测模型评估指标的数据框，其中：

误差指标（RMSE、MAE）：数值越小，模型性能越好
相关性指标（R²、CCC）：数值越大，模型性能越好

需要通过每个指标筛选出最优模型，再经多数投票确定最终最优模型。

步骤实现

1. 准备数据与依赖包

首先加载tidyverse工具包，并导入模型评估数据：

library(tidyverse)

# 模型评估数据框
dat <- structure(list(model_name = c("Random Forest", "XGBoost", "XGBoost-reg", "Null model", "Plain LM", "Elastic LM", "LM-pep.charge", "LM-rf.10vip"), RMSE = c(0.853, 0.886, 0.719, 2.41, 16.6, 0.731, 1.16, 1.03), MAE = c(0.545, 0.708, 0.589, 1.98, 8.6, 0.588, 0.874, 0.729), `R^2` = c(0.806, 0.865, 0.915, NA, 0.0645, 0.927, 0.8, 0.822), ccc = c(0.89, 0.928, 0.951, 0, 0.0685, 0.945, 0.847, 0.901)), row.names = c(NA, -8L), class = c("tbl_df", "tbl", "data.frame"))

2. 定义指标优化方向

明确每个指标的最优判断规则：

# 定义指标优化方向：min=越小越好，max=越大越好
metric_direction <- c(
  RMSE = "min",
  MAE = "min",
  `R^2` = "max",
  ccc = "max"
)

3. 筛选各指标的最优模型

将数据转为长格式，按指标分组筛选出每个指标对应的最优模型：

# 找出每个指标的最优模型
top_models <- dat %>%
  pivot_longer(cols = -model_name, names_to = "metric", values_to = "value") %>%
  filter(!is.na(value)) %>% # 剔除含NA的无效数据
  group_by(metric) %>%
  mutate(
    # 根据指标方向标记最优模型
    is_top = case_when(
      metric_direction[metric] == "min" ~ value == min(value, na.rm = TRUE),
      metric_direction[metric] == "max" ~ value == max(value, na.rm = TRUE)
    )
  ) %>%
  filter(is_top) %>%
  ungroup() %>%
  select(metric, model_name)

# 查看各指标的最优模型结果
print(top_models)

运行后会得到和手动筛选一致的结果：

# A tibble: 4 × 2
  metric model_name    
  <chr>  <chr>         
1 RMSE   XGBoost-reg   
2 MAE    Random Forest 
3 R^2    Elastic LM    
4 ccc    XGBoost-reg

4. 多数投票确定最终最优模型

统计每个模型的得票数，选出得票最高的模型：

# 统计得票数并选出最优
winner <- top_models %>%
  count(model_name, sort = TRUE) %>%
  slice(1)

# 输出结果
cat("多数投票选出的最优模型：", winner$model_name, "\n得票数：", winner$n, "\n")

最终输出：

多数投票选出的最优模型： XGBoost-reg 
得票数： 2

内容的提问来源于stack exchange，提问作者littleworth