我正在使用 R 中的 gbm 包运行增强回归树，但无法弄清楚如何获得预测区间。我有 10 个特征，我想改变一个特征 X1 的值（它有 4 个离散值：A, B, C, D），看看预测值 Y（因变量）在4 个离散值（同时保持其他 9 特征不变）。例如，A 在 5% 级别上与比 B 更高的预测值相关联，同时保持所有其他特征不变
有没有人可以分享任何代码来计算 R 中的预测区间？
【问题讨论】：
标签： r prediction confidence-interval gbm
您可以通过使用插入符号包函数“train()”来做到这一点。但首先需要有一个训练数据集，所以我们可以通过使用“createDataPartition()”函数来做到这一点，然后创建训练和测试数据集，然后使用训练数据集训练模型并预测测试数据集，然后验证“confusionmatrix()”函数
data<-data #contains the data of 10 variables
intrain<- createDataPartition(y = data$X1, p = 0.8, list = F)
training<- data[intrain,]
testing<- data[-intrain,]
relation<- train(form = X1~., data = training, method = "gbm")
result<- predict(relation, testing)
confusionMatrix(testing$X1, result)
希望这能解决您的问题
【讨论】：