Question

我是从Weka过来的，我正在尝试学习R的predict()功能。

假设我想对分类变量进行预测，如下图所示，内置的脊柱后凸数据集。我正在使用rpart，我正在调用predict()，其中训练数据充当测试数据。

> library(rpart)
> head(kyphosis)
  Kyphosis Age Number Start
1   absent  71      3     5
2   absent 158      3    14
3  present 128      4     5
4   absent   2      5     1
5   absent   1      4    15
6   absent   1      2    16
> 
> kyphosisModel <- rpart(Kyphosis ~ Age + Number + Start, data=kyphosis)
> 
> kyphosisPredictions1 <- predict(kyphosisModel, kyphosis)
> head(kyphosisPredictions1)
     absent   present
1 0.4210526 0.5789474
2 0.8571429 0.1428571
3 0.4210526 0.5789474
4 0.4210526 0.5789474
5 1.0000000 0.0000000
6 1.0000000 0.0000000
> 
> kyphosisPredictions2 <- predict(kyphosisModel, kyphosis[,-1])
> head(kyphosisPredictions2)
     absent   present
1 0.4210526 0.5789474
2 0.8571429 0.1428571
3 0.4210526 0.5789474
4 0.4210526 0.5789474
5 1.0000000 0.0000000
6 1.0000000 0.0000000

所以这是我的具体问题：

当我用测试数据调用predict()时，我知道测试数据中的功能（属性列）必须与测试数据中的功能相匹配。 但我是否需要删除预测标签（正在预测的属性列）？在上面的示例中，我使用省略预测列的测试数据集创建了kyphosisPredictions2（第1列），导致与kyphosisPredictions1相同的预测，其中包括预测列。这可能是巧合，所以我想确定一下。 无论提供给预测（）的机器学习模型是否适用于此问题（是或否）的答案？
对分类栏的预测显然给出了“缺席”和“现在”的概率分布。有没有办法只返回单个预测水平，即。每行'缺席'还是'现在'？

Answer 1

使用predict()无论您是否为测试集包含标签都无关紧要，因为模型将仅使用其训练过的变量。对于第二个问题，只需指定所需的列。例如，如果您想要缺席：

kyphosisPredictions2 <- predict(kyphosisModel, kyphosis[,-1])[, 1]

您也可以使用列名称来执行此操作：

kyphosisPredictions2 <- predict(kyphosisModel, kyphosis)[, "absent"]

关于使用rpart模型的predict（）的基本问题

1 个答案: