Question

TL / DR ANSWER：在newdata参数中指定训练数据。

如何使用caret的{{1}}从训练有素的模型中持续提取类概率？目前，当使用公式表示法训练predict的参数并且predict指示变量被忽略时，我收到错误。

可以通过以下方式复制：

-variable

然后以下行将失败：

fit.lda <- train(Species ~ . -Petal.Length, 
  data = iris, 
  preProcess = c("center", "scale"), 
  trControl = trainControl(method = "repeatedcv", 
    number = 10, 
    repeats = 3, 
    classProbs = TRUE, 
    savePredictions = "final", 
    selectionFunction = "best", 
    summaryFunction = multiClassSummary), 
  method = "lda", 
  metric = "Mean_F1")

predict.lda（modelFit，newdata）出错：变量数量错误

如果predict(fit.lda, type = "prob")公式中省略了-Petal.Length，则没有错误。我在公式声明中做错了吗？

~~我想我可以深入了解模型的train槽并获取与类类型相对应的列（参见EDIT2），但这似乎是hackish。~~有没有办法获得{ {1}}按预期工作？

=====的修改 =====

我使用pred包中的predict训练了许多不同的模型（使用公式表示法），在尝试使用caretList时出现了各种错误：

caretEnsemble

knn3Train出错（train = c（....）：'test'和'train'的差异

predict：

警告讯息：方法$ prob（modelFit = modelFit，newdata = newdata，submodels = param）： kernlab类概率计算失败;返回NAs

knn：

myFunc [[1]]（x，...）中的错误：输入数据列28的数量与输入神经元的数量20不匹配

无误的方法是svmRadial和基于树的方法（mlpML，nnet）

=====的 EDIT2 =====

以下内容不会重复进行重新采样。选择的答案要简单得多。

~~这是一个从训练模型中提取概率的自行解决方案，但是对于标准化，我更喜欢是否可以让rf表现出来。~~

< S>

xgbTree

Answer 1

只需使用newdata参数即可使用

predict(fit.lda, newdata = iris, type = "prob")

<强> [EDITED]

正如我们所看到的，对于lda，预测结果是相同的：

library(MASS)
fit.lda <- lda(Species ~ . -Petal.Length, data = iris)
identical(predict(fit.lda), predict(fit.lda, newdata=iris))
# [1] TRUE

library(randomForest)
fit.rf <- randomForest(Species ~ . -Petal.Length, data = iris)
identical(predict(fit.rf), predict(fit.rf, newdata=iris))
# [1] FALSE

插入符号：`predict`在`train`公式删除变量

1 个答案: