Ranger预测数据帧中每行的分类概率

Question

关于这个链接Predicted probabilities in R ranger package，我有一个问题。

假设我有一个混合的数据框架，df (由因子和数值变量组成)，我想使用ranger进行分类。我将这个数据帧拆分为测试集和训练集，分别为Train_Set和Test_Set。BiClass是我的预测因子变量，由0和1 (2级)组成

我想使用以下命令使用ranger计算类别概率并将其附加到数据帧：

Biclass.ranger <- ranger(BiClass ~ ., ,data=Train_Set, num.trees = 500, importance="impurity", save.memory = TRUE, probability=TRUE)

probabilities <- as.data.frame(predict(Biclass.ranger, data = Test_Set, num.trees = 200, type='response', verbose = TRUE)$predictions)

数据帧概率是由2列(0和1)组成的数据帧，其行数等于Test_Set中的行数。

这是否意味着，如果我附加或附加此数据帧，即将概率作为最后两列添加到Test_Set，它是否会显示每行为0或1的概率？我的理解正确吗？

我的第二个问题，当我尝试通过

pred = predict(Biclass.ranger, data=Test_Set, num.trees = 500, type='response', verbose = TRUE)
table(Test_Set$BiClass, pred$predictions)

我得到以下错误: Error in table(Test_Set$BiClass，pred$predictions)：所有参数必须具有相同的长度

我做错了什么？

Answer 1

对于你的第一个问题，是，它显示了每一行为0或1的概率。使用以下示例：

library(ranger)
idx = sample(nrow(iris),100)
data = iris
data$Species = factor(ifelse(data$Species=="versicolor",1,0))
Train_Set = data[idx,]
Test_Set = data[-idx,]

mdl <- ranger(Species ~ ., ,data=Train_Set,importance="impurity", save.memory = TRUE, probability=TRUE)
probabilities <- as.data.frame(predict(mdl, data = Test_Set,type='response', verbose = TRUE)$predictions)

我们可以随时检查他们是否同意：

par(mfrow=c(1,2))
boxplot(probabilities[,"0"] ~ Test_Set$Species,ylab="Prob 0",xlab="Actual label")
boxplot(probabilities[,"1"] ~ Test_Set$Species,ylab="Prob 1",xlab="Actual label")

​

​

这不是最好的方案，但有时如果标签被翻转，你会看到一些奇怪的东西。我们需要找到概率最大的列，并分配标签，为此我们这样做：

max.col(probabilities) - 1
[1] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 0 1 1 0 1 1 1 1 1 1 1 1 1 0
[39] 0 0 0 0 0 0 0 0 0 0 0 0

这将遍历概率的每一行，根据哪一列具有最大概率返回1或2，我们只需从中减去1即可得到0,1。对于混淆矩阵：

caret::confusionMatrix(table(max.col(probabilities) - 1,Test_Set$Species))
Confusion Matrix and Statistics


     0  1
  0 31  2
  1  0 17

               Accuracy : 0.96            
                 95% CI : (0.8629, 0.9951)
    No Information Rate : 0.62            
    P-Value [Acc > NIR] : 2.048e-08 

在您的情况下，您可以直接执行以下操作：

confusionMatrix(table(max.col(probabilities)-1,Test_Set$BiClass))