我在R中使用gbm包进行二进制分类。我正在使用adaboost指数损失函数的算法。我有两个问题：
如果我想看到训练错误，我应该看一下吗？ （假设我的模型对象称为fit，我使用了3倍CV。）
best.iter <- gbm.perf(fit,method="cv")
fit$train.error[best.iter]
如果我想对我的训练数据集进行预测，请通过以下代码行说明“train”，删除响应变量：pred <- predict(object=fit,newdata=train,n.trees=best.iter)。它只给了我adaboost的指数损失值。我怎么能把它转换回二进制类的概率？我尝试了plogis和log。结果没有意义。例如，plogis给了我0.99 ***的所有内容，log给了我间隔[0.52,0.56]。我应该做什么样的转型？
仅供参考，我种了100棵树，装修过程似乎没问题。例如，
> fit$oobag.improve
[1] 0.1431295103 0.1093538334 0.0852480128 0.0678520088 0.0549712390 0.0452351232 0.0378058484 0.0319409903
[9] 0.0275396129 0.0237185758 0.0208696658 0.0182786535 0.0163750200 0.0146381260 0.0132728128 0.0119435448
[17] 0.0108959138 0.0099211566 0.0091093166 0.0084316036 0.0078037047 0.0071945142 0.0066821670 0.0061718044
[25] 0.0058103999 0.0054534710 0.0051276913 0.0047975274 0.0044901763 0.0042387273 0.0039702177 0.0037345627
[33] 0.0035337545 0.0033370776 0.0031656407 0.0029688111 0.0028016085 0.0026640768 0.0025268873 0.0023897908
[41] 0.0022594735 0.0021612521 0.0020255227 0.0019376223 0.0018393318 0.0017481065 0.0016463413 0.0015561673
[49] 0.0014813435 0.0014237926 0.0013459092 0.0012719409 0.0012116881 0.0011572038 0.0010948941 0.0010420570
[57] 0.0009843288 0.0009398356 0.0008938670 0.0008542828 0.0008063698 0.0007637763 0.0007325414 0.0006917561
[65] 0.0006582027 0.0006313925 0.0005979843 0.0005645791 0.0005410957 0.0005159002 0.0004869797 0.0004643209
[73] 0.0004464032 0.0004213901 0.0004010297 0.0003815199 0.0003623747 0.0003445184 0.0003269569 0.0003105762
[81] 0.0002960856 0.0002802715 0.0002679399 0.0002541207 0.0002425242 0.0002294759 0.0002200414 0.0002093278
[89] 0.0001974315 0.0001893624 0.0001788743 0.0001709422 0.0001624860 0.0001538988 0.0001479532 0.0001403145
[97] 0.0001338089 0.0001256208 0.0001206701 0.0001142448
谢谢！
答案 0 :(得分：0)
1.第一个问题：你是对的，通过fit $ train.error你可以检查训练错误。 fit $ train.error [best.iter]是检查所选最佳模型的训练误差。小心，适合$ train.error [best.iter]不是最小的训练错误，因为最好的模型是由cv.test.error选择的。
2.Adoboost是一种特殊情况，当ensamble模型选择指数损失函数时。要将其转换回其他类型的损失函数，首先需要知道如何计算adaboos错误。
对于y {-1,1}分类问题：
指数损失L=exp(-y*f(x))
其中f（x）是由训练有素的adaboost模型生成的结果。 类决定应该由f（x）的符号作出，如果f（x）> 0，则预测y = 1，否则y = -1。 然后你可以看到所有指数损失＆lt; 1已被正确分类，损失<1被错误分类。现在很容易转换为二进制错误分类率。
请注意，如果您看到所有列车数据的丢失函数＆lt; 1，请不要担心，这是因为adaboost优化了保证金而不是降低错误分类率。
希望这可以帮到你！