获得新观察的预测(R 编程语言)

Posted

技术标签:

【中文标题】获得新观察的预测(R 编程语言)【英文标题】:Obtaining Predictions for New Observations (R Programming Language) 【发布时间】:2021-11-05 13:21:12 【问题描述】:

我正在使用 R 编程语言。我在 R 中为这个数据集创建了一个决策树(预测“diabetes”列是“pos”还是“neg”):

#load libraries
library(pdp)
library(C50)

#load data
data(pima)

#remove na's
new_data = na.omit(pima)

#format data
new_data$age = as.factor(ifelse(new_data$age >30, "1", "0"))
new_data$pregnant = as.factor(ifelse(new_data$pregnant >2, "1", "0"))

#run model
tree_mod <- C5.0(x = new_data[, 1:8], rules = TRUE, y = new_data$diabetes)

这是我的问题:我正在尝试获取模型为新观察所做的“预测”列。然后我想将此列附加到原始数据集。

通过以下链接,https://cran.r-project.org/web/packages/C50/vignettes/C5.0.html,我使用了“预测”功能:

#pretend this is new data
new = new_data[1:10,]

#run predictions
pred = predict(tree_mod, newdata = new[, 1:8])

但这会产生以下错误:

Error in x[j] : invalid subscript type 'closure'

谁能告诉我怎么做?

我正在尝试创建这样的东西(“prediction_made_by_model”):

   pregnant glucose pressure triceps insulin mass pedigree age diabetes prediction_made_by_model
4         0      89       66      23      94 28.1    0.167   0      neg                      pos
5         0     137       40      35     168 43.1    2.288   1      pos                      neg
7         1      78       50      32      88 31.0    0.248   0      pos                      neg
9         0     197       70      45     543 30.5    0.158   1      pos                      pos
14        0     189       60      23     846 30.1    0.398   1      pos                      neg
15        1     166       72      19     175 25.8    0.587   1      pos                      pos

谢谢!

【问题讨论】:

vars 定义在哪里? 【参考方案1】:

我能够弄清楚。由于某种原因,这在以前不起作用:

pred = predict(tree_mod, newdata = new[, 1:8])

new$prediction_made_by_model = pred

【讨论】:

以上是关于获得新观察的预测(R 编程语言)的主要内容,如果未能解决你的问题,请参考以下文章

R语言使用二元回归将序数数据建模为多元GLM

R语言DALEX包的explain函数生成指定分类预测机器学习模型解释器predict_parts函数基于breakdown方法分析对于指定的某一条样本(实例观察)每个变量对于预测结果的贡献大小

R语言使用DALEX包的explain函数生成指定分类预测机器学习模型的解释器predict_parts函数基于shap方法分析对于指定的某一条样本(实例观察)每个变量对于预测结果的贡献大小

R语言回归模型构建回归模型基本假设(正态性线性独立性方差齐性)回归模型诊断car包诊断回归模型特殊观察样本分析数据变换模型比较特征筛选交叉验证预测变量相对重要度

R语言DALEX包的explain函数生成指定分类预测机器学习模型的解释器predict_diagnostics函数执行残差的局部诊断可视化对比数据集的残差和特定样本(实例观察)邻居的残差的分布

R语言编写自定义函数评估回归模型预测变量的相对重要性(Relative importance)通过在所有可能的子模型中添加一个预测变量而获得的R方的平均增加评估预测变量的重要度并通过点图可视化