バイナリ分類タスクを予測するために、caret
パッケージを使用してランダムフォレストを訓練しました。クラス確率の代わりに予測クラスを取得する方法は?
library(caret)
set.seed(78)
inTrain <- createDataPartition(disambdata$Response, p=3/4, list = FALSE)
trainSet <- disambdata[inTrain,]
testSet <- disambdata[-inTrain,]
ctrl <- trainControl(method = "repeatedcv", number = 10, repeats = 10)
grid_rf <- expand.grid(.mtry = c(3,5,7,9))
set.seed(78)
m_rf <- train(Response ~ ., data=trainSet,
method= "rf", metric = "Kappa", trcontrol=ctrl, tuneGrid = grid_rf)
Response
変数は値{Valid
、Invalid
}を含みます。私は、テストデータのクラス確率を取得し、次の使用 :しかし
pred <- predict.train(m_rf, newdata = testSet,
type="prob", models=m_rf$finalModel)
私はに予測クラスすなわちValid
またはInvalid
の代わりに、クラス確率を得ることに興味を持っては混同行列を生成します。
私は既に、の引数をpredict.train
関数で試しましたが、NAs
のリストを返します。
バグの場合は、キャレットのgithubページに報告してください。 – phiver
@phiver、はい、以前のバージョンのパッケージキャレットでも報告されているので、報告する予定です。私が持っているバージョン(6.0-70)のリリースノートには、この問題が対処されていると書かれています。とにかく私はgithubのバグを報告します –