Jaka jest różnica między type="class" i w funkcji predict?Parametr określający funkcję predict()
na przykład pomiędzy:
predict(modelName, newdata=testData, type = "class")
i
predict(modelName, newdata=testData, type = "response")
patrz ?predict.lm: predict.lm wytwarza wektor prognozy lub macierz predykcji tempie z nazwami kolumn fit, lwr i upr jeżeli interwał jest ustawiony. Dla type = "terms" jest to macierz z kolumną na termin i może mieć atrybut "stała".
> d <- data.frame(x1=1:10,x2=rep(1:5,each=2),y=1:10+rnorm(10)+rep(1:5,each=2))
> l <- lm(y~x1+x2,d)
> predict(l)
1 2 3 4 5 6 7 8 9 10
2.254772 3.811761 4.959634 6.516623 7.664497 9.221486 10.369359 11.926348 13.074222 14.631211
> predict(l,type="terms")
x1 x2
1 -7.0064511 0.8182315
2 -5.4494620 0.8182315
3 -3.8924728 0.4091157
4 -2.3354837 0.4091157
5 -0.7784946 0.0000000
6 0.7784946 0.0000000
7 2.3354837 -0.4091157
8 3.8924728 -0.4091157
9 5.4494620 -0.8182315
10 7.0064511 -0.8182315
attr(,"constant")
[1] 8.442991
predict(l) jest to rząd od sumy predict(l,type="terms") + stały
Masz na myśli model liniowy, prawda? (predict.lm), ale o ile wiem, typ odpowiedzi typu i typu jest związany z modelami klasyfikacji. Czy możesz wyjaśnić te wartości parametrów? – kuz
Zobacz komentarz cienia - Wydawało mi się, że obiekt o nazwie model jest najprawdopodobniej obiektem lm, ale jeśli nie, musisz nam powiedzieć, którą klasę (ModelName) daje, lub przejrzeć plik help for predict.class(). – Miff
Dziękuję za odpowiedź, otrzymałem odpowiedź w: predict.glm i? Predict.rpart. Całkowicie zignorowałem ogólność traktując je jak przeciążone metody. – kuz
type = "response" stosuje się GLM modeli i type = "class" stosuje się rpart modele (CART). Patrz:
Response daje wynik liczbowy natomiast klasa daje etykietę przypisanej do tej wartości.
Odpowiedź pozwala określić próg. Na przykład,
glm.fit = glm(Direction~., data=data, family = binomial, subset = train)
glm.probs = predict(glm.fit, test, type = "response")
W glm.probs mamy pewne wartości liczbowe między 0 i 1. Teraz możemy określić wartość progową, powiedzmy 0,6. Kierunek ma dwa możliwe wyniki, w górę lub w dół.
glm.pred = rep("Down",length(test))
glm.pred[glm.probs>.6] = "Up"
Która funkcja "przewidywania"? 'predict' jest funkcją generyczną dla przewidywań z wyników różnych funkcji dopasowania modelu. Funkcja wywołuje określone metody, które zależą od klasy pierwszego argumentu. – shadow