Nothing
### R code from vignette source 'consensus_auc.Rnw'
###################################################
### code chunk number 1: consensus_auc.Rnw:20-21
###################################################
options(useFancyQuotes="UTF-8")
###################################################
### code chunk number 2: consensus_auc.Rnw:27-33
###################################################
library(MASS)
data(fgl)
set.seed(100)
ind_train <- sample(nrow(fgl), size = floor(nrow(fgl) * 0.7),
replace = FALSE)
ind_eval <- setdiff(seq(1:nrow(fgl)), ind_train)
###################################################
### code chunk number 3: consensus_auc.Rnw:36-47
###################################################
library(rpart)
set.seed(123)
fgl_rpart <- rpart(type ~ ., data = fgl[ind_train, TRUE],
parms = list(split = "information"))
newcp <- max(fgl_rpart$cptable[,"CP"] *
as.numeric(fgl_rpart$cptable[TRUE ,"xerror"] <
sum(fgl_rpart$cptable[dim(fgl_rpart$cptable)[1],
c("xerror","xstd")]))
) + 1e-13
fgl_rpart_pruned <- prune(fgl_rpart, cp = newcp)
###################################################
### code chunk number 4: consensus_auc.Rnw:50-53
###################################################
library(nnet)
fgl_multinom <- multinom(type ~ ., data = fgl[ind_train, TRUE],
trace = FALSE)
###################################################
### code chunk number 5: consensus_auc.Rnw:56-63
###################################################
library(mda)
confusion(predict(fgl_rpart_pruned, newdata = fgl[ind_eval, TRUE],
type = "class"),
fgl[ind_eval, "type"])
confusion(predict(fgl_multinom, newdata = fgl[ind_eval, TRUE],
type = "class"),
fgl[ind_eval, "type"])
###################################################
### code chunk number 6: consensus_auc.Rnw:66-75
###################################################
library(HandTill2001)
auc(multcap(response = fgl[ind_eval, "type"],
predicted = predict(fgl_rpart_pruned,
newdata = fgl[ind_eval, TRUE])))
auc(multcap(response = fgl[ind_eval, "type"],
predicted = predict(fgl_multinom,
newdata = fgl[ind_eval, TRUE],
type = "probs")))
###################################################
### code chunk number 7: consensus_auc.Rnw:81-86
###################################################
set.seed(100)
ind_inner_train <- sample(ind_train,
size = floor(length(ind_train) * 0.7),
replace = FALSE)
ind_inner_eval <- setdiff(ind_train, ind_inner_train)
###################################################
### code chunk number 8: consensus_auc.Rnw:89-100
###################################################
wa_fgl_multinom <- multinom(fgl_multinom, data = fgl[ind_inner_train, ],
trace = FALSE)
wa_fgl_rpart <- rpart(type ~ ., data = fgl[ind_inner_train, ],
parms = list(split = "information")
)
newcp <- max(wa_fgl_rpart$cptable[,"CP"] *
as.numeric(wa_fgl_rpart$cptable[TRUE ,"xerror"] <
sum(wa_fgl_rpart$cptable[dim(wa_fgl_rpart$cptable)[1],
c("xerror","xstd")]))
) + 1e-13
wa_fgl_rpart_pruned <- prune(wa_fgl_rpart, cp = newcp)
###################################################
### code chunk number 9: consensus_auc.Rnw:103-114
###################################################
li <- list()
li$rpart$auc <- auc(multcap(response = fgl[ind_inner_eval, "type"],
predicted = predict(wa_fgl_rpart_pruned,
newdata = fgl[ind_inner_eval,
TRUE]
)))
li$mllm$auc <- auc(multcap(response = fgl[ind_inner_eval, "type"],
predicted = predict(wa_fgl_multinom,
newdata = fgl[ind_inner_eval,
TRUE],
type = "probs")))
###################################################
### code chunk number 10: consensus_auc.Rnw:117-122
###################################################
li$rpart$predictions <- predict(fgl_rpart_pruned,
newdata = fgl[ind_eval, TRUE])
li$mllm$predictions <- predict(fgl_multinom,
newdata = fgl[ind_eval, TRUE],
type = "probs")
###################################################
### code chunk number 11: consensus_auc.Rnw:125-128
###################################################
predicted <- Reduce('+', lapply(li, function(x)
x$auc * x$predictions)
) / Reduce('+', sapply(li,"[", "auc"))
###################################################
### code chunk number 12: consensus_auc.Rnw:131-133
###################################################
auc(multcap(response = fgl[ind_eval, "type"],
predicted = predicted))
###################################################
### code chunk number 13: consensus_auc.Rnw:136-141
###################################################
classes_predicted <-
factor(x = apply(predicted, 1, function(x)
dimnames(predicted)[[2]][which.max(x)]),
levels = levels(fgl[ind_eval, "type"])
)
Any scripts or data that you put into this service are public.
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.