使用随机林创建二进制结果

Question

我有一个如下所示的数据集:

 TEAM1         TEAM2     EXPG1  EXPG2         Gewonnen    
 ADO Den Haag  Groningen 1.5950 1.2672        1

我现在尝试Gewonnen根据EXPG1和预测列EXPG2.因此,我创建了一个训练和测试集,并创建了以下模型(全部使用rcaret):

modFit <- train(Gewonnen~ EXPG1 + EXPG2, data=training, method="rf", prox=TRUE)

我现在无法制作混淆矩阵,因为我的数据有更多的参考.这是真的,因为当我这样做时:

pred <- predict(modFit, testing)
head(print)

它说: 0.5324000 0.7237333 0.2811333 0.8231000 0.8299333 0.9792000

因为我想制作一个混淆矩阵,我不能把它们变成0/1,但我觉得应该有一个选项来在模型中做到这一点.

关于我应该在这个模型中改变什么以创建0/1值的任何想法.我在文档中找不到它:

modFit <- train(Gewonnen~ EXPG1 + EXPG2, data=training, method="rf", prox=TRUE)

Answer 1

首先,正如Tim Biegeleisen所说,你应该将你的Gewonnen变量转换为一个因子(在训练和测试集中),如果它还没有:

training$Gewonnen <- as.factor(training$Gewonnen)
testing$Gewonnen <- as.factor(testing$Gewonnen)

之后,函数中的type选项确定您为二进制分类问题获得的响应类型,即类标签或概率.以下是使用包中数据集的文档中可重现的示例:caretpredictcaretSonarmlbench

library(caret)
library(mlbench)
data(Sonar)
str(Sonar$Class)
# Factor w/ 2 levels "M","R": 2 2 2 2 2 2 2 2 2 2 ...

set.seed(998)
inTraining <- createDataPartition(Sonar$Class, p = .75, list = FALSE)
training <- Sonar[ inTraining,]
testing  <- Sonar[-inTraining,]

modFit <- train(Class ~ ., data=training, method="rf", prox=TRUE)

pred <- predict(modFit, testing, type="prob") # for class probabilities
head(pred)
#        M     R
# 5  0.442 0.558
# 10 0.276 0.724
# 11 0.096 0.904
# 12 0.360 0.640
# 20 0.654 0.346
# 21 0.522 0.478

pred2 <- predict(modFit, testing, type="raw") # for class labels
head(pred2)
# [1] R R R R M M
# Levels: M R

对于混淆矩阵,您将需要类标签(即pred2上面):

confusionMatrix(pred2, testing$Class)
# Confusion Matrix and Statistics

#           Reference
# Prediction  M  R
#          M 25  6
#          R  2 18

Answer 2

这个答案有点推测性，因为您省略了有关数据集的一些关键细节，而且我没有广泛使用该caret软件包。话虽如此，您似乎在回归模式下运行随机森林，这意味着您最终会得到一个连续函数。这意味着，预测可以有一个响应值0，1或任何之间0和1。如果您的Gewonnen列只有0或 的值1，并且您希望预测值也以这种方式表现，那么您可以尝试转换Gewonnen为分类变量。正如本文所讨论的，这可能会告诉随机森林以分类模式而不是回归模式运行。

Gewonnen <- as.factor(Gewonnen)

这会像之前一样构建随机森林，您应该会得到想要的响应。