如何在caret中切换XGBoost模型的结果变量因子水平？

要解决SHAP结果与领域知识倒置的问题，核心是让模型将「Yes（癌症存在）」作为目标类别，以下是两种可行方法：

方法1：调整结果变量的因子水平顺序 #

Caret默认将因子的第二个水平视为正类（模型会输出该类的预测概率）。只需把「Yes」设为因子的第二个水平即可：

# 重新定义结果变量的因子水平，No在前，Yes在后
data$cancer <- factor(data$cancer, levels = c("No", "Yes"))

重新训练模型后，XGBoost会以「Yes」为目标类别，特征与癌症的关联关系会符合预期。

方法2：在训练控制参数中指定正类 #

如果不想修改原始数据的因子顺序，可在trainControl中通过positive参数直接指定正类：

# 配置训练控制参数，指定正类为"Yes"
ctrl <- trainControl(
  method = "cv", # 替换为你实际使用的验证方法
  positive = "Yes"
)

# 训练模型时传入控制参数
xgb_model <- train(
  x = your_predictors, # 你的特征数据集
  y = data$cancer, # 原始结果因子变量
  method = "xgbTree",
  trControl = ctrl,
  # 其他调参参数如tuneGrid等按需设置
)

验证调整效果 #

训练完成后，可通过输出预测概率确认是否生效：

# 输出测试集的类别概率
pred_probs <- predict(xgb_model, newdata = test_data, type = "prob")
head(pred_probs)

若「Yes」列的概率随年龄增加而上升，说明调整成功。此时重新计算SHAP值，绘制的蜂群图、依赖图就会与领域知识一致。

注意：调整后必须重新训练模型，基于旧模型的SHAP结果不会自动更新。

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