R прогноз в течение интервала

Question

быстрый вопрос относительно прогнозирование.

Значение Я пытаюсь предсказать, либо 0 или 1 (устанавливается как числовые, а не как фактор), так что, когда я бегу мой случайный лес:

fit <- randomForest(PredictValue ~ <variables>, data=trainData, ntree=50) 

и предсказать:

pred<-predict(fit, testData) 

все мои прогнозы между 0 и 1 - чего я ожидал, и - я себе - можно интерпретировать как вероятность того, чтобы быть 1.

Теперь, если я иду через тот же процесс, используя GBM ALGor ithm:

fitgbm <- gbm(PredictValue~ <variables>, data=trainData, distribution = "bernoulli", n.trees = 500, bag.fraction = 0.75, cv.folds = 5, interaction.depth = 3) 
predgbm <- predict(fitgbm, testData) 

эти значения от -0,5 до 0,5

Я также попытался GLM и диапазон был худшим, от около -3 до 3.

Итак, мой вопрос: не является ли это можно задать алгоритмы для прогнозирования между 0 и 1?

Благодаря

Answer 1

Вы должны указать type='response' для того чтобы это произошло:

Проверьте этот пример:

y <- rep(c(0,1),c(100,100)) 
x <- runif(200) 
df <- data.frame(y,x) 


fitgbm <- gbm(y ~ x, data=df, 
       distribution = "bernoulli", n.trees = 100) 

predgbm <- predict(fitgbm, df, n.trees=100, type='response') 

Слишком упрощенно, но смотреть на резюме predgbm:

> summary(predgbm) 
    Min. 1st Qu. Median Mean 3rd Qu. Max. 
0.4936 0.4943 0.5013 0.5000 0.5052 0.5073 

И как документация упоминает, что это вероятность того, что y будет 1:

Если type = "response", то gbm преобразуется обратно в тот же масштаб, что и результат. В настоящее время единственным следствием этого является возвращение вероятностей для бернулли и ожидаемых значений для пуассонов.