You need to enable JavaScript to run this app. 如何在mlr3框架中实现二分类分类器校准图的绘制
优惠活动
大模型
产品
解决方案
定价
更多

如何在mlr3框架中实现二分类分类器校准图的绘制

mlr3框架下校准图绘制实现指引

基础前提说明

旧版mlr框架可通过内置函数快速生成标准校准图,目前mlr3核心包未内置对应绘图接口,但可通过生态扩展、手动实现两种路径,输出和旧mlr效果对齐的校准图。
你提供的mlr3基础训练预测流程如下:

library(mlr3)
data("Sonar", package = "mlbench")
task = TaskClassif$new(id = "Sonar", Sonar, target = "Class", positive = "R")
learner = lrn("classif.rpart", predict_type = "prob")
pred = learner$train(task)$predict(task)

运行上述代码后得到的pred对象为PredictionClassif类实例,内部已经存储绘制校准图所需的全部核心字段,不需要额外重构预测流程。

实现路径一:官方生态快速出图

mlr3配套的可视化扩展包mlr3viz已封装了和旧mlr逻辑完全一致的校准图绘制能力,直接传入预测对象即可输出等效结果:

library(mlr3viz)
# 开启平滑拟合,和旧mlr中plotCalibration(cal, smooth=TRUE)效果对齐
autoplot(pred, type = "calibrate", smooth = TRUE)

该实现的输出效果与旧mlr生成的校准图完全一致:自动叠加y=x的理想校准虚线、按概率分箱计算实际正类发生频率、叠加带置信区间的平滑拟合曲线。

实现路径二:全流程自定义手动实现

如果需要调整分箱规则、绘图样式等细节,可直接从pred对象中提取数据,基于ggplot2实现等价校准图,核心代码如下:

library(ggplot2)
library(dplyr)

# 从预测对象提取校准计算所需的基础数据
calib_raw = tibble(
  pred_pos_prob = pred$prob[, "R"],
  actual_is_pos = as.numeric(pred$truth == "R")
)

# 对预测概率10等分箱,计算每个箱的平均预测概率、实际正类频率
calib_binned = calib_raw |>
  mutate(prob_bin = cut(pred_pos_prob, breaks = seq(0, 1, 0.1), include.lowest = TRUE)) |>
  group_by(prob_bin, .drop = FALSE) |>
  summarise(
    avg_pred_prob = mean(pred_pos_prob),
    actual_pos_rate = mean(actual_is_pos),
    .groups = "drop"
  )

# 绘制校准图
ggplot(calib_binned, aes(x = avg_pred_prob, y = actual_pos_rate)) +
  # 理想校准参考线
  geom_abline(slope = 1, intercept = 0, linetype = "dashed", color = "grey60") +
  # 分箱实测点位
  geom_point(color = "#1f78b4", size = 2.5) +
  # 平滑拟合曲线
  geom_smooth(formula = y ~ x, color = "#1f78b4", se = TRUE) +
  # 轴范围校准,保证概率范围在0-1区间
  coord_cartesian(xlim = c(0, 1), ylim = c(0, 1)) +
  labs(
    x = "模型预测正类概率",
    y = "实际样本正类发生频率"
  ) +
  theme_minimal()

自定义调整提示

  • 可通过修改cut函数的breaks参数调整分箱粒度
  • 可调整geom_smooth的method、se参数修改拟合逻辑和置信区间显示
  • 可在图中叠加每个分箱的样本量标注,满足更细致的校准分析需求

内容的提问来源于stack exchange,提问作者ava

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.29 05:36:03