R：如何从 RSSL 中的逻辑回归输出预测概率答案

【问题标题】：R: how to output predicted probabilities from logistic regression in RSSLR：如何从 RSSL 中的逻辑回归输出预测概率
【发布时间】：2020-06-13 16:57:31
【问题描述】：

library(RSSL)
set.seed(1)
df <- generateSlicedCookie(1000,expected=FALSE) %>% 
  add_missinglabels_mar(Class~.,0.98)
df_test <- generateSlicedCookie(1000,expected=FALSE)


class_lr <- LogisticRegression(Class~.,df,lambda = 0.01)
class_lr_self <- SelfLearning(Class~., df, method=LogisticRegression)

这里，class_lr 是一个逻辑回归模型。为了得到它的预测概率，我可以调用（感谢this post的回答）：

log(posterior(class_lr, df_test))

第二个模型class_lr_self 是一个带有自学习包装器的逻辑回归模型。有没有办法从class_lr_self 输出预测概率？

运行predict(class_lr_self, newdata = df_test) 只会给我标签。

我尝试了以下方法，但没有 posterior 方法适用于 SelfLearning，就像适用于 LogisticRegression 一样。

> log(posterior(class_lr_self, df_test))
Error in (function (classes, fdef, mtable)  : 
  unable to find an inherited method for function ‘posterior’ for signature ‘"SelfLearning"’

【问题讨论】：

标签： r machine-learning logistic-regression prediction

【解决方案1】：

这个类没有方法，如果你检查it：

setMethod("predict", signature(object="SelfLearning"), function(object,newdata,...) {
  ModelVariables <- PreProcessingPredict(object@modelform,newdata,y=NULL,scaling=object@scaling,intercept=FALSE,classnames=object@classnames)
  X<-ModelVariables$X

  return(predict(object@model,X,...))

}

我们只是有一个返回后验的新函数：

func =  function(object,newdata,...) {
  ModelVariables <- PreProcessingPredict(object@modelform,newdata,y=NULL,scaling=object@scaling,intercept=FALSE,classnames=object@classnames)
  X<-ModelVariables$X

  return(posterior(object@model,X,...))
}

你做到了：

log(func(class_lr_self, df_test))

或者你为此设置一个后验方法：

setMethod("posterior", signature(object="SelfLearning"), function(object,newdata,...) {
  ModelVariables <- PreProcessingPredict(object@modelform,newdata,y=NULL,scaling=object@scaling,intercept=FALSE,classnames=object@classnames)
  X<-ModelVariables$X

  return(posterior(object@model,X,...))
})

log(posterior(class_lr_self, df_test))

【讨论】：