在gbm multiomial dist中,如何使用预测获得分类输出？

Question

我的回答是一个分类变量(一些字母表),所以在制作模型时我使用了='multinomial',现在我想预测响应并根据这些字母而不是概率矩阵来获得输出.

然而,在predict(model, newdata, type='response')它中,它给出概率,与结果相同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')

Answer 1

在predict.gbm文档中,提到:

如果type ="response",则gbm将转换回与结果相同的比例.目前唯一的影响是返回bernoulli的概率和泊松的预期计数.对于其他发行版"响应"和"链接"返回相同.

正如Dominic所建议的那样,你应该做的是predBST通过apply(.., 1, which.max)对预测的矢量输出进行从结果矩阵中选择具有最高概率的响应.以下是包含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