如何从 caret::predict() 获得类概率和预测？

Question

除了预测类标签之外，在预测时是否可以返回新数据中每个观察的期望？

library(caret)
knnFit <- train(Species ~ ., data = iris, method = "knn", 
                trControl = trainControl(method = "cv", classProbs = TRUE))

x <- predict(knnFit, newdata = iris)

返回预测类别的向量。

str(x)
Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...

如果我想要概率：

x <- predict(knnFit, newdata = iris, type = "prob")
> head(x)
  setosa versicolor virginica
1      1          0         0
2      1          0         0
3      1          0         0
4      1          0         0
5      1          0         0
6      1          0         0

是否可以让插入符号同时返回预测和概率？我知道我可以通过采用概率版本的 max.col 来计算，但我想知道是否有内置的方法来获得两者？

Answer 1

我把我的评论变成了一个答案。生成概率预测表后，您实际上不需要运行两次预测函数来获取类别。您可以通过应用一个简单的which.max函数（运行速度很快）来要求添加类列。这将c("setosa", "versicolor", "virginica")根据概率最高的情况为每一行分配列的名称（三个中的一个）。

根据要求，您将获得包含这两个信息的表格：

library(dplyr)
predict(knnFit, newdata = iris, type = "prob") %>% 
  mutate('class'=names(.)[apply(., 1, which.max)])
# a random sample of the resulting table:
####     setosa versicolor virginica      class
#### 18       1  0.0000000 0.0000000     setosa
#### 64       0  0.6666667 0.3333333 versicolor
#### 90       0  1.0000000 0.0000000 versicolor
#### 121      0  0.0000000 1.0000000  virginica

ps：这使用来自dplyr或magrittr包的管道操作符。点.表示何时重用上一条指令的结果