2

我在 R 中有分类树,我尝试通过以下方式进行交叉验证:

cv.tree1<-cv.tree(tree1)

然后我尝试了

tree3 = prune.tree(tree1, best=15)

然后我试图从当前树中预测我的所有标签:

predict(tree3, data.train[1,])

输出是:

            0         1          2          3           4           5           6          7          8
1 0.0006247397 0.8531862 0.03706789 0.02207414 0.003123698 0.008746356 0.009371095 0.00728863 0.05310287
            9
1 0.005414411

据我了解,它给了我每个标签的概率,因为我在这里有 10 个标签 0:9 所以我试图获得最后一条语句的最大值以预测所有标签

predict.list <-matrix(0,nrow=nrow(data.train),ncol=10)
for (index in c(1:nrow(digits.train)))
{
  predict.list[index]<-predict(tree3, data.train[index,])
}

然后我试图在predict.list中获取每一行的最大值,但实际上这不起作用所以我试图查看str(predict(tree3,data.train [index,]))的结构我发现它是

   num [1, 1:10] 0.00656 0.00583 0.00947 0.07479 0.14813 ...
  - attr(*, "dimnames")=List of 2
  ..$ : chr "8184"
  ..$ : chr [1:10] "0" "1" "2" "3" ...

所以问题是,我获得最大值是否正确。每一个,所以通过这种方式我得到了预测,以及如何获得带有相应标签的最大值

我可以通过

max(predict(tree3, digits.train[1,]))

但我无法得到相应的标签

4

1 回答 1

5

predict.tree()函数有一个名为type. 它的默认值是"vector",如果是分类树,它将返回一个向量,其中包含每个观察行的类概率。您可以将其更改为"class",它只会返回概率最高的类。在你的情况下使用

predict.list <- predict(tree3, data.train, type="class")

将返回一个长度因子向量,nrow(data.train)每个值都是为相应行预测的因子水平。

于 2013-05-02T04:48:38.443 回答