如何基于parsnip生成的_xgb.Booster model_fit对象计算提升曲线与分位数提升图

没问题，我来帮你一步步搞定用parsnip生成的XGBoost模型计算提升曲线和十分位数提升图的事儿！

首先，我们需要先从你的model_fit对象里拿到预测概率，然后用工具包来生成对应的图表。下面给你两种常用的方法，一种是适配tidymodels生态的方案，另一种是用专门的lift包快速实现。

第一步：获取预测概率 #

不管用哪种方法，第一步都是要得到模型对样本的预测概率（针对二分类任务的正类）。因为你的xgb是parsnip的model_fit对象，直接用predict()函数加上type="prob"参数就能拿到：

# 针对训练集生成预测概率（更建议用测试集看泛化能力）
train_probs <- predict(xgb, new_data = train, type = "prob")

# 如果有测试集，同样操作
test_probs <- predict(xgb, new_data = test, type = "prob")

这里的结果是一个数据框，列名会是.pred_类别名，比如你的正类是"1"的话，列名就是.pred_1。

方法一：用tidymodels生态的yardstick包（推荐，和parsnip配套） #

yardstick是tidymodels里专门做模型评估的包，和parsnip完美兼容，而且输出的结果很容易用ggplot2可视化。

生成提升曲线 #

library(yardstick)
library(ggplot2)

# 把真实标签和预测概率合并成一个数据框
train_lift_data <- train %>%
  select(Y) %>% # 取出真实标签列
  bind_cols(train_probs) # 和预测概率合并

# 生成提升曲线的计算数据
lift_curve_data <- lift_curve(
  train_lift_data, 
  truth = Y, # 真实标签列名
  .pred_1 # 正类的预测概率列名，根据你的类别调整
)

# 绘制提升曲线
ggplot(lift_curve_data, aes(x = percentage, y = lift)) +
  geom_line(color = "#2c3e50", linewidth = 1) +
  geom_abline(slope = 1, intercept = 1, linetype = "dashed", color = "#e74c3c") +
  labs(title = "模型提升曲线", x = "样本占比（从高概率到低概率排序）", y = "提升值") +
  theme_minimal()

虚线代表随机模型的提升值（始终为1），你的模型曲线越往上，说明在对应样本比例下的识别能力越强。

生成十分位数提升图 #

十分位数提升图是把样本按预测概率从高到低分成10组，计算每组的提升值：

# 手动计算十分位数的提升数据
train_decile_data <- train_lift_data %>%
  # 按预测概率从高到低分成10个分位数组
  mutate(decile = ntile(desc(.pred_1), 10)) %>%
  group_by(decile) %>%
  summarise(
    # 计算每组的真实正样本数，替换成你的正类标签（比如"1"或者TRUE）
    actual_pos = sum(Y == "1"),
    # 全局总正样本数
    total_pos = sum(train$Y == "1"),
    # 计算提升值：组内正样本占比 / 全局正样本占比
    lift_value = (actual_pos / n()) / (total_pos / nrow(train))
  )

# 绘制十分位数提升图
ggplot(train_decile_data, aes(x = factor(decile), y = lift_value)) +
  geom_col(fill = "#3498db", alpha = 0.8) +
  geom_hline(yintercept = 1, linetype = "dashed", color = "#e74c3c") +
  labs(title = "十分位数提升图", x = "分位数组（1组=最高预测概率）", y = "提升值") +
  theme_minimal()

方法二：用专门的lift包快速实现 #

如果你想要更快捷的方式，可以用lift包，它直接提供了生成提升曲线和分位数图的函数：

library(lift)

# 准备数据：真实标签 + 预测概率
lift_input <- data.frame(
  actual = train$Y, 
  predicted = train_probs$.pred_1
)

# 生成lift对象
lift_obj <- lift(lift_input)

# 绘制提升曲线
plot(lift_obj, main = "模型提升曲线", col = "blue", lwd = 2)
# 添加随机模型参考线
abline(a = 1, b = 0, lty = 2, col = "red")

# 绘制十分位数提升图
lift_chart(lift_obj, main = "十分位数提升图", col = "steelblue")

注意事项 #

• 优先用测试集计算提升指标，这样能反映模型在 unseen data 上的真实表现，避免过拟合的干扰。
• 如果你的分类标签是因子类型，要确保正类的顺序正确，或者在lift_curve()里用event_level="second"来指定正类。

内容的提问来源于stack exchange，提问作者Geet