如何获得预测的类而不是类概率？

我已经使用caret包训练了一个随机森林，用于预测二进制分类任务。如何获得预测的类而不是类概率？

library(caret) 
set.seed(78) 
inTrain <- createDataPartition(disambdata$Response, p=3/4, list = FALSE) 
trainSet <- disambdata[inTrain,] 
testSet <- disambdata[-inTrain,] 
ctrl <- trainControl(method = "repeatedcv", number = 10, repeats = 10) 
grid_rf <- expand.grid(.mtry = c(3,5,7,9)) 
set.seed(78) 
m_rf <- train(Response ~ ., data=trainSet, 
      method= "rf", metric = "Kappa", trcontrol=ctrl, tuneGrid = grid_rf)

的Response变量包含值{Valid，Invalid}。使用我得到的类概率测试数据如下：

pred <- predict.train(m_rf, newdata = testSet, 
        type="prob", models=m_rf$finalModel)

然而我感兴趣的，获得预测类即Valid或Invalid，而不是阶级概率到产生混淆矩阵。

我已经在predict.train函数中尝试过参数type="raw"，但它返回的列表为NAs。

来源

2016-07-29 Imran Ali

似乎插入符包（caret_6.0-70）仍然有问题，用式接口。将公式从Response ~ .扩展到明确提及像这样的所有预测变量的公式，即可解决此问题，predict.train(m_rf, newdata=testSet)返回预测的类。

来源

2016-07-31 08:24:48

如果它是一个错误，请在github的脱字符页面上报告它。 – phiver

@phiver，是的，我打算报告它，因为它报道的包装符号的旧版本之一。版本的版本说明（6.0-70）提到此问题已得到解决。无论如何，我会报告在github上的错误 –

通过在predict（）函数中指定type =“prob”，您特别要求概率。只是将其删除&它将提供标签

pred <- predict.train(m_rf, newdata = testSet,models=m_rf$finalModel)

来源

2016-07-29 04:45:02 Nishad

不幸的是，它不适合我，删除'type = prob'没有任何好处。 'pred'接收'NAs' –

如何获得预测的类而不是类概率？

回答

相关问题