r - 每次观察可以获取超过 1 个预测的分类树

Question

我正在从分类树算法家族中搜索一个算法，它可以为每个观察提供多个（超过 1 个）预测（以某种排序顺序）。更具体地说 - 我有 10 个二元目标模型来预测具有 10 个级别的目标变量。如何以这种方式组合模型以获取具有置信度的预定义数量的预测。例如，我希望我的“组合”模型为每次观察获取 2 个预测。一种可能的方法是采用针对特定观察具有最高准确度的 2 个二元模型并获取它们。如何计算这组 2 个预测的“平均”准确度？如果有人可以提供 rpart 包中的文献和 R 代码示例，那将更有帮助。谢谢

Answer 1

在 predict.rpart 的 rpart 文档中： type = c("vector", "prob", "class", "matrix")

像这样使用：

predict(${some r part model}, type="prob")

它会给你每个类的概率向量