在predict.gbm
文档,提到:
如果type = “响应” 则GBM转换回相同的比例作为 结果。目前唯一的效果是返回 伯努利的概率和泊松的预期计数。对于 其他分配“响应”和“链接”返回相同。
你应该做的,如星建议,是选择从产生predBST
矩阵概率最高的响应,通过对从预测输出矢量做apply(.., 1, which.max)
。 这里是与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
如何挑选具有最高概率的反应如何? – 2015-04-05 07:30:15