Question

我正在阅读R中的predict（）并感到困惑：

有一个数据集Spam，我们使用随机抽样从中创建了一个列车数据和测试数据。我们使用了trainSpam（训练数据集来训练系统）。我们希望通过测试测试数据集（testSpam）来了解模型有多好。

predictionModel = glm(numType ~ charDollar, family = "binomial", data = trainSpam)

predictionTest = predict(predictionModel, testSpam) 
predictedSpam = rep("nonspam", dim(testSpam)[1]) 
predictedSpam[predictionModel$fitted > 0.5] = "spam" #Here is my problem
table(predictedSpam, testSpam$type)

在我们说的行中：

predictedSpam[predictionModel$fitted > 0.5] = "spam"

predictionModel$fitted如何预测测试数据中的垃圾邮件。它似乎使用了训练数据中的predictionModel $。然后我们继续比较测试数据的垃圾邮件。有人可以解释一下吗？

这是我的理解。在该行：

predictionModel = glm（numType~charDollar，family =“binomial”，data = trainSpam）

我们使用trainSpam数据创建模型。

在下一行：

predictionTest = predict（predictionModel，testSpam）

我们使用相同的模型创建predictionTest但测试数据。

在下一行：

predictSpam = rep（“nonspam”，dim（testSpam）[1]）

我们创建了一个包含所有值“nonspam”

的向量

在下一行：

predictSpam [predictionModel $ fit＆gt; 0.5] =“垃圾邮件”

我们正在使用predictModel $ fits，它已经安装在训练数据上，以决定哪些行被归类为垃圾邮件。我们不应该使用像PredictionTest这样的东西来识别垃圾邮件吗？

我对它应该是什么的想法是：

> predictionModel = glm(numType ~ charDollar, family = "binomial", data = trainSpam)

> predictionTest = predict(predictionModel, testSpam,type="response")
> predictedSpam = rep("nonspam", dim(testSpam)[1])
> predictedSpam[predictionTest > 0.5] = "spam"
> table(predictedSpam, testSpam$type)

Answer 1

我认为您希望在type="response"调用中predict，因为默认情况下将是线性预测器。

?predict.glm    # different than ?predict

（当然，如果我正确地直观了解你的未经证实的目标是在你的测试集中找到概率大于0.5的情况。此外，如果你真的根据训练数据得到预测，那就意味着你的测试数据框架格式错误，您需要修改问题以包含str(trainSpam)和str(testSpam)的输出，以便我们向您展示如何为data正确创建predict参数。）

更新后：因此看起来charDollar在测试和训练集中都是如此，因此您不应该从训练集中获得predictionTest中的预测。你应该得到预测＆gt; 50％垃圾邮件案例： testSpam [预测（适合，数据= testSpam，类型=“响应）＆gt; .5]

我不确定用什么代码创建predictionTest并想知道您是否打算输入predictedSpam。这是我认为会成功的：

predictedSpam = predict(predictionModel, testSpam) 
spam <- predictedSpam[ predictedSpam$fitted > 0.5 ]

理解R中的predict（）

1 个答案: