在 rpart 决策树模型中预测精确概率答案

【问题标题】：predicting exact probabilities in rpart decision tree model在 rpart 决策树模型中预测精确概率
【发布时间】：2015-11-09 06:55:27
【问题描述】：

而不是 0 或 1，如何计算 rpart 决策树模型中的 96% 或 43% 等精确概率。我试过了预测（模型，数据，类型=“概率”）但它预测的是 0 或 1

【问题讨论】：

reproducible example 可能会有所帮助。默认的 rpart 预测是分类概率。

标签： r

【解决方案1】：

在创建rpart 对象期间，您必须在参数中指定method = "class" 以确保分类。一旦你这样做了，你的 predict 方法就会给出type="prob" 的概率。

【讨论】：

我已经尝试过它给我的概率为 0 或 1。我想做的是找到像 .97 或 .80 这样的实际概率
@NaziaAfreen 也许您的数据实际上产生的结果是 0 或 1 作为概率，即您有一个完美的拟合，并且没有误报的机会。如果你正确地执行了上述步骤，你应该得到它们的概率。

【解决方案2】：

@Nazia Afreen - 下面是 R 脚本，希望这可能会有所帮助。

library(rpart)
model <- rpart(dependent_class_variable ~ independent var1 + var 2 + .., data = "your train data", method = "class")

## to get the probabilities of each record
probilities_ <- predict(model, "your test data without quotes", type = "prob")

## it will yield two probabilities, probability of getting class 1, and 
## probability of getting class 2, if you have two class. Sum of both = 1##

【讨论】：