测试样品的预测值？ （GBM）。比Coinflip更糟糕

Question

我在R中使用gbm预测二元结果（0,1）。在训练集上拟合gbm模型（使用交叉验证）后，我能够通过以下方式获得训练集的预测值： / p>

p<-predict(gbm_model,type="response")

对于训练样本，我获得了非常准确的结果（如预期的那样）

    a       FALSE TRUE
  FALSE     1000  238
  TRUE       80  410

但是，当我尝试预测样本外时，这就是我所获得的：

       b
a       FALSE TRUE
  FALSE   360  169
  TRUE     62  123

显然，似乎存在一个问题，因为我的模型在真实情况下表现比硬币翻转更糟糕。因此，我想知道，有没有办法获得测试样本中观察的预测概率？我想检查那些，以找出模型表现如此糟糕的原因。

此外，我想知道在创建分类表时是否有办法修改截止值。提前谢谢。

******顺便说一下，这里是我用来获取分类表的代码

confusion(predict(gbm_model, test_sample, n.trees = 5000) > 0, test_sample$Outcome_Variable > 0)