生成NA结果的GBM模型

Question

我正在尝试运行一个简单的GBM分类模型，以针对随机森林和支持向量机对性能进行基准测试，但我在让模型正确评分时遇到了问题。它不会抛出错误，但预测都是NaN。我用的是mlbench的乳腺癌数据。代码如下：

library(gbm)
library(mlbench)
library(caret)
library(plyr)
library(ada)
library(randomForest)

data(BreastCancer)
bc <- BreastCancer
rm(BreastCancer)

bc$Id <- NULL
bc$Class <- as.factor(mapvalues(bc$Class, c("benign", "malignant"), c("0","1")))

index <- createDataPartition(bc$Class, p = 0.7, list = FALSE)
bc.train <- bc[index, ]
bc.test <- bc[-index, ]

model.gbm <- gbm(Class ~ ., data = bc.train, n.trees = 500)

pred.gbm <- predict(model.gbm, bc.test.ind, n.trees = 500, type = "response")

有没有人能帮我解决我做错了什么？另外，我是否必须转换预测函数的输出？我读到这似乎是GBM预测的一个问题。谢谢。

Answer 1

我以前遇到过将因子变量赋给gbm的问题。您可以强制Class变量为字符类型，而不是因子类型，这应该可以做到这一点。

bc$Class <- as.factor(mapvalues(bc$Class, c("benign", "malignant"), c("0","1")))
bc$Class <- as.character(bc$Class)

您的代码应该可以很好地运行，只要确保在predict中调用bc.test (而不是bc.test.ind)即可。

以下是我在进行这些更改后获得的预测值的摘要

> summary(pred.gbm)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  0.222   0.222   0.231   0.346   0.573   0.579 

最后一件事，我建议在调用createDataPartition()之前设置一个种子(例如使用set.seed())。否则，您每次运行代码时都会得到不同的训练和测试集。

Answer 2

您可以只将标签转换为0和1，但首先存储标签以进行比较：

library(gbm)
library(mlbench)
library(caret)

data(BreastCancer)
bc <- BreastCancer

bc$Id <- NULL
# store the actual labels
labels = bc$Class
bc$Class <- as.numeric(bc$Class)-1
index <- createDataPartition(bc$Class, p = 0.7, list = FALSE)
bc.train <- bc[index, ]
bc.test <- bc[-index, ]

model.gbm <- gbm(Class ~ ., data = bc.train, n.trees = 500,distribution = "bernoulli")

pred.gbm <- predict(model.gbm, bc.test, n.trees = 500, type = "response")

由于只有两个类，我们可以通过调用标签的第一级if p <= 0.5来取回标签，反之亦然：

predicted_labels = levels(labels)[1+(pred.gbm>0.5)]

我们拿出实际的测试标签，并制作一个混淆矩阵，以查看它是否正常工作：

test_labels = labels[-index]

table(predicted_labels,test_labels)
                test_labels
predicted_labels benign malignant
       benign       129         2
       malignant      3        75