Ranger 预测数据框中每一行的类别概率

Question

关于这个链接Predicted probabilities in R ranger package，我有一个问题。

假设我有一个混合数据框 df（由因子和数值变量组成），我想使用 ranger 进行分类。我将此数据框拆分为测试集，并将训练集拆分为 Train_Set 和 Test_Set。 BiClass 是我的预测因子变量，由 0 和 1（2 个级别）组成

我想使用 ranger 使用以下命令计算类概率并将其附加到数据框：

Biclass.ranger <- ranger(BiClass ~ ., ,data=Train_Set, num.trees = 500, importance="impurity", save.memory = TRUE, probability=TRUE)

probabilities <- as.data.frame(predict(Biclass.ranger, data = Test_Set, num.trees = 200, type='response', verbose = TRUE)$predictions)

数据框概率是由 2 列（0 和 1）组成的数据框，其行数等于 Test_Set 中的行数。

这是否意味着，如果我附加或附加此数据框，即作为最后两列的 Test_Set 的概率，它会显示每一行为 0 或 1 的概率？我的理解正确吗？

我的第二个问题，当我尝试通过

计算混淆矩阵时

pred = predict(Biclass.ranger, data=Test_Set, num.trees = 500, type='response', verbose = TRUE)
table(Test_Set$BiClass, pred$predictions)

我收到以下错误： 表中的错误（Test_Set$BiClass，pred$predictions）： 所有参数的长度必须相同

我做错了什么？

Answer 1

对于您的第一个问题，是的，它显示每行为 0 或 1 的概率。使用以下示例：

library(ranger)
idx = sample(nrow(iris),100)
data = iris
data$Species = factor(ifelse(data$Species=="versicolor",1,0))
Train_Set = data[idx,]
Test_Set = data[-idx,]

mdl <- ranger(Species ~ ., ,data=Train_Set,importance="impurity", save.memory = TRUE, probability=TRUE)
probabilities <- as.data.frame(predict(mdl, data = Test_Set,type='response', verbose = TRUE)$predictions)

我们可以随时检查他们是否同意：

par(mfrow=c(1,2))
boxplot(probabilities[,"0"] ~ Test_Set$Species,ylab="Prob 0",xlab="Actual label")
boxplot(probabilities[,"1"] ~ Test_Set$Species,ylab="Prob 1",xlab="Actual label")

不是最好的情节，但有时如果标签被翻转，你会看到一些奇怪的东西。我们需要找到具有最大概率的列并分配标签，为此我们这样做：

max.col(probabilities) - 1
[1] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 0 1 1 0 1 1 1 1 1 1 1 1 1 0
[39] 0 0 0 0 0 0 0 0 0 0 0 0

这会遍历每一行概率返回 1 或 2，具体取决于哪一列具有最大概率，我们只需从中减去 1 即可得到 0,1。对于混淆矩阵：

caret::confusionMatrix(table(max.col(probabilities) - 1,Test_Set$Species))
Confusion Matrix and Statistics


     0  1
  0 31  2
  1  0 17

               Accuracy : 0.96            
                 95% CI : (0.8629, 0.9951)
    No Information Rate : 0.62            
    P-Value [Acc > NIR] : 2.048e-08 

在你的情况下，你可以这样做：

confusionMatrix(table(max.col(probabilities)-1,Test_Set$BiClass))