4

我正在尝试运行一个简单的 GBM 分类模型来对随机森林和 SVM 的性能进行基准测试，但我无法让模型正确评分。它没有抛出错误，但预测都是 NaN。我正在使用来自 的乳腺癌数据mlbench。这是代码：

library(gbm)
library(mlbench)
library(caret)
library(plyr)
library(ada)
library(randomForest)

data(BreastCancer)
bc <- BreastCancer
rm(BreastCancer)

bc$Id <- NULL
bc$Class <- as.factor(mapvalues(bc$Class, c("benign", "malignant"), c("0","1")))

index <- createDataPartition(bc$Class, p = 0.7, list = FALSE)
bc.train <- bc[index, ]
bc.test <- bc[-index, ]

model.gbm <- gbm(Class ~ ., data = bc.train, n.trees = 500)

pred.gbm <- predict(model.gbm, bc.test.ind, n.trees = 500, type = "response")

任何人都可以帮助我做错什么吗？另外，我是否必须转换预测函数的输出？我读过这似乎是 GBM 预测的问题。谢谢。

4

2 回答 2

6

我之前遇到过给因子变量赋值的问题gbm。您可以强制Class变量为字符类型而不是因子，并且应该这样做。

bc$Class <- as.factor(mapvalues(bc$Class, c("benign", "malignant"), c("0","1")))
bc$Class <- as.character(bc$Class)

您的代码应该从那里运行良好，只需确保您调用bc.test(not bc.test.ind) in predict。

这是我进行这些更改后得到的预测值的摘要

> summary(pred.gbm)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  0.222   0.222   0.231   0.346   0.573   0.579

最后一件事，我建议set.seed()在调用之前设置一个种子（例如使用）createDataPartition()。否则每次运行代码时都会得到不同的训练和测试集。

于 2014-11-12T15:49:41.143 回答
0

您可以将标签转换为 0 和 1，但首先存储标签以进行比较：

library(gbm)
library(mlbench)
library(caret)

data(BreastCancer)
bc <- BreastCancer

bc$Id <- NULL
# store the actual labels
labels = bc$Class
bc$Class <- as.numeric(bc$Class)-1
index <- createDataPartition(bc$Class, p = 0.7, list = FALSE)
bc.train <- bc[index, ]
bc.test <- bc[-index, ]

model.gbm <- gbm(Class ~ ., data = bc.train, n.trees = 500,distribution = "bernoulli")

pred.gbm <- predict(model.gbm, bc.test, n.trees = 500, type = "response")

由于只有两个类，如果 p <= 0.5，我们可以通过调用标签的第一级来取回标签，反之亦然：

predicted_labels = levels(labels)[1+(pred.gbm>0.5)]

我们取出实际的测试标签并制作混淆矩阵以查看它是否正常工作：

test_labels = labels[-index]

table(predicted_labels,test_labels)
                test_labels
predicted_labels benign malignant
       benign       129         2
       malignant      3        75
于 2020-06-25T20:40:29.707 回答