在R中绘制XGBoost模型预测结果瀑布图求助

步骤1：加载必要的R包 #

先确保安装并加载所需工具包：

# 未安装的话先执行安装
# install.packages(c("xgboost", "dplyr", "ggplot2"))

library(xgboost)
library(dplyr)
library(ggplot2)

步骤2：获取模型预测分数 #

假设你的测试集数据框为test_data，训练好的XGBoost模型为xgb_model，提取预测分数：

# 把测试集特征转为XGBoost要求的DMatrix格式（排除目标变量CR）
test_matrix <- xgb.DMatrix(data = as.matrix(test_data %>% select(-CR)), label = test_data$CR)

# 预测二分类概率（假设Complete为正类，输出的是该类别的预测概率）
test_data$pred_score <- predict(xgb_model, test_matrix)

步骤3：准备绘图数据 #

为了清晰展示分类区分效果，将样本按预测分数排序并添加索引：

plot_data <- test_data %>%
  arrange(pred_score) %>%  # 按预测分数从小到大排序
  mutate(id = row_number()) # 添加样本索引作为x轴位置

步骤4：绘制基础瀑布图 #

这个图用条形展示每个样本的预测分数，按CR类别着色，直观呈现两类的分布差异：

ggplot(plot_data, aes(x = id, y = pred_score, fill = CR)) +
  geom_col(width = 1) +  # 条形宽度设为1，形成连续瀑布效果
  labs(
    title = "XGBoost预测分数对CR类别的区分效果",
    x = "样本（按预测分数排序）",
    y = "模型预测分数",
    fill = "CR类别"
  ) +
  theme_minimal() +
  # 自定义颜色增强区分度，可根据你的示例图调整颜色码
  scale_fill_manual(values = c("Complete" = "#2ecc71", "nonComplete" = "#e74c3c"))

可选：绘制累积式瀑布图 #

如果想观察累积预测分数的趋势，可添加累积折线：

# 计算累积预测分数
plot_data <- plot_data %>%
  mutate(cum_pred = cumsum(pred_score))

ggplot(plot_data, aes(x = id)) +
  geom_col(aes(y = pred_score, fill = CR), width = 1) +
  geom_line(aes(y = cum_pred), color = "#3498db", size = 1) +
  labs(
    title = "XGBoost预测分数累积瀑布图",
    x = "样本（按预测分数排序）",
    y = "预测分数/累积预测分数",
    fill = "CR类别"
  ) +
  theme_minimal() +
  scale_fill_manual(values = c("Complete" = "#2ecc71", "nonComplete" = "#e74c3c"))

关键说明 #

• 按预测分数排序后，若模型区分效果好，Complete和nonComplete的条形会集中在不同的x轴区域。
• 颜色、标题等元素可完全根据你的示例图需求修改。

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