r - calibration（）関数はどのようにして観測された偶数パーセントを計算する

Question

私はApplied Predictive Modeling（max kuhn）の例を使って作業しようとしています。これは検量線を作成した例です。
私は、実際のイベントの推進が予測されたイベントと類似しているかどうかを確認することを目的としています。しかし、私は出力のパーセントの列がどのように計算されるのかを理解するために驚いています。ここで
コードです：私たちは一例として、最初の行を使用している場合

library(AppliedPredictiveModeling) 
set.seed(975) 
simulatedTrain <- quadBoundaryFunc(500) 
simulatedTest <- quadBoundaryFunc(1000) 


# Random forest 

library(randomForest) 
rfModel <- randomForest(class ~ X1 + X2, 
         data = simulatedTrain, 
         ntree = 2000) 


rfTestPred <- predict(rfModel, simulatedTest, type = "prob") 

simulatedTest$RFprob <- rfTestPred[,"Class1"] 
simulatedTest$RFclass <- predict(rfModel, simulatedTest) 

library(caret) 

# Calibrating probabilities 
calCurve <- calibration(x = class ~ RFprob, data = simulatedTest) 
calCurve$data 




calibModelVar   bin Percent  Lower  Upper Count midpoint 
1   RFprob  [0,0.0909] 4.00000 2.203804 6.620306 14 4.545455 
2   RFprob (0.0909,0.182] 20.00000 11.648215 30.832609 15 13.636364 
3   RFprob (0.182,0.273] 33.33333 20.395974 48.410832 16 22.727273 
4   RFprob (0.273,0.364] 37.20930 22.975170 53.274905 16 31.818182 
5   RFprob (0.364,0.455] 35.71429 18.640666 55.934969 10 40.909091 
6   RFprob (0.455,0.545] 53.19149 38.077789 67.888473 25 50.000000 
7   RFprob (0.545,0.636] 65.71429 47.789002 80.867590 23 59.090909 
8   RFprob (0.636,0.727] 72.50000 56.111709 85.399101 29 68.181818 
9   RFprob (0.727,0.818] 83.33333 67.188407 93.627987 30 77.272727 
10  RFprob (0.818,0.909] 95.83333 85.745903 99.491353 46 86.363636 
11  RFprob  (0.909,1] 94.00000 90.296922 96.603304 235 95.454545 

ので、Count = 14は何を示しているのでしょうか？ 私が見る限り、RF計算確率は0〜10％（四捨五入）で、実際のクラスはClass1です。

nrow(simulatedTest[simulatedTest$RFprob >=0 & simulatedTest$RFprob <=0.0909 & simulatedTest$class == "Class1",]) 

私はそれということmidpoint列であるビンの中間点を理解してX軸のグラフ

xyplot(calCurve, auto.key = list(columns =2)) 

にプロット

。 y軸は Percentの列です。 しかし、 Percent列はどのように計算されますか？ calibrationで

Answer 1

次のようにPercentカラムの計算が行われます。
最初に、予測された確率は11個の等間隔の区間に分割されます。

simulatedTest$bin <- cut(simulatedTest$RFprob, 
         breaks=seq(0,1,length.out=12), 
         include.lowest=T) 
table(simulatedTest$bin) 

    [0,0.0909] (0.0909,0.182] (0.182,0.273] (0.273,0.364] (0.364,0.455] 
      350    75    48    43    28 
(0.455,0.545] (0.545,0.636] (0.636,0.727] (0.727,0.818] (0.818,0.909] 
      47    35    40    36    48 
    (0.909,1] 
      250 

Count

カラムは、単純tableを用いて算出することができます。

(tbl <- table(simulatedTest$bin,simulatedTest$class)) 

       Class1 Class2 
    [0,0.0909]   14 336 
    (0.0909,0.182]  15  60 
    (0.182,0.273]  16  32 
    (0.273,0.364]  16  27 
    (0.364,0.455]  10  18 
    (0.455,0.545]  25  22 
    (0.545,0.636]  23  12 
    (0.636,0.727]  29  11 
    (0.727,0.818]  30  6 
    (0.818,0.909]  46  2 
    (0.909,1]   235  15 

Percentカラムは、tblの行の割合が含ま：

round(prop.table(tbl,1)*100,2) 

        Class1 Class2 
    [0,0.0909]  4.000000 96.000000 
    (0.0909,0.182] 20.000000 80.000000 
    (0.182,0.273] 33.333333 66.666667 
    (0.273,0.364] 37.209302 62.790698 
    (0.364,0.455] 35.714286 64.285714 
    (0.455,0.545] 53.191489 46.808511 
    (0.545,0.636] 65.714286 34.285714 
    (0.636,0.727] 72.500000 27.500000 
    (0.727,0.818] 83.333333 16.666667 
    (0.818,0.909] 95.833333 4.166667 
    (0.909,1]  94.000000 6.000000 

calibrationはbinom.testを使用して、これらの割合の信頼区間を計算する：

t(apply(tbl, 1, function(x) { 
    bintst <- binom.test(x=x[1], n=sum(x)) 
    round(100*c(bintst$estimate,bintst$conf.int),6) 
    })) 

       probability of success      
    [0,0.0909]     4.00000 2.203804 6.620306 
    (0.0909,0.182]    20.00000 11.648215 30.832609 
    (0.182,0.273]    33.33333 20.395974 48.410832 
    (0.273,0.364]    37.20930 22.975170 53.274905 
    (0.364,0.455]    35.71429 18.640666 55.934969 
    (0.455,0.545]    53.19149 38.077789 67.888473 
    (0.545,0.636]    65.71429 47.789002 80.867590 
    (0.636,0.727]    72.50000 56.111709 85.399101 
    (0.727,0.818]    83.33333 67.188407 93.627987 
    (0.818,0.909]    95.83333 85.745903 99.491353 
    (0.909,1]     94.00000 90.296922 96.603304 

calibration内のすべてのこれらの計算をすることにより行われますcaret:::calibCalc機能。
私はそれがあなたを助けてくれることを願っています。