11

我的响应是一个分类变量（一些字母），所以我在制作模型时使用了 distribution='multinomial'，现在我想根据这些字母预测响应并获得输出，而不是概率矩阵。

然而在 中predict(model, newdata, type='response')，它给出了概率，与 的结果相同type='link'。

有没有办法获得分类输出？

BST = gbm(V1~.,data=training,distribution='multinomial',n.trees=2000,interaction.depth=4,cv.folds=5,shrinkage=0.005)

predBST = predict(BST,newdata=test,type='response')
4

1 回答 1

30

在predict.gbm文档中，提到：

如果 type="response" 然后 gbm 转换回与结果相同的比例。目前，这将产生的唯一影响是返回伯努利的概率和泊松的预期计数。对于其他分布，“响应”和“链接”返回相同。

正如多米尼克所建议的那样，您应该做的是通过对预测的向量输出进行操作，从结果predBST矩阵中选择概率最高的响应。apply(.., 1, which.max)以下是iris数据集的代码示例：

library(gbm)

data(iris)

df <- iris[,-c(1)] # remove index

df <- df[sample(nrow(df)),]  # shuffle

df.train <- df[1:100,]
df.test <- df[101:150,]

BST = gbm(Species~.,data=df.train,
         distribution='multinomial',
         n.trees=200,
         interaction.depth=4,
         #cv.folds=5,
         shrinkage=0.005)

predBST = predict(BST,n.trees=200, newdata=df.test,type='response')

p.predBST <- apply(predBST, 1, which.max)

> predBST[1:6,,]
     setosa versicolor  virginica
[1,] 0.89010862 0.05501921 0.05487217
[2,] 0.09370400 0.45616148 0.45013452
[3,] 0.05476228 0.05968445 0.88555327
[4,] 0.05452803 0.06006513 0.88540684
[5,] 0.05393377 0.06735331 0.87871292
[6,] 0.05416855 0.06548646 0.88034499

 > head(p.predBST)
 [1] 1 2 3 3 3 3
于 2015-04-05T11:44:40.717 回答