在predict.gbm
文檔,提到:
如果type = 「響應」 則GBM轉換回相同的比例作爲 結果。目前唯一的效果是返回 伯努利的概率和泊松的預期計數。對於 其他分配「響應」和「鏈接」返回相同。
你應該做的,如星建議,是選擇從產生predBST
矩陣概率最高的響應,通過對從預測輸出矢量做apply(.., 1, which.max)
。 這裏是與iris
數據集的代碼示例:
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
如何挑選具有最高概率的反應如何? – 2015-04-05 07:30:15