Qual è la differenza tra type="class" e type="response" nella funzione predict?Parametro di tipo della funzione predict()
Ad esempio tra:
predict(modelName, newdata=testData, type = "class")
e
predict(modelName, newdata=testData, type = "response")
vedi ?predict.lm: predict.lm produce un vettore di predizioni o una matrice di predizioni e limiti con nomi di colonna fit, lwr e upr se l'intervallo è impostato. Per type = "terms" questa è una matrice con una colonna per termine e può avere un attributo "costante".
> d <- data.frame(x1=1:10,x2=rep(1:5,each=2),y=1:10+rnorm(10)+rep(1:5,each=2))
> l <- lm(y~x1+x2,d)
> predict(l)
1 2 3 4 5 6 7 8 9 10
2.254772 3.811761 4.959634 6.516623 7.664497 9.221486 10.369359 11.926348 13.074222 14.631211
> predict(l,type="terms")
x1 x2
1 -7.0064511 0.8182315
2 -5.4494620 0.8182315
3 -3.8924728 0.4091157
4 -2.3354837 0.4091157
5 -0.7784946 0.0000000
6 0.7784946 0.0000000
7 2.3354837 -0.4091157
8 3.8924728 -0.4091157
9 5.4494620 -0.8182315
10 7.0064511 -0.8182315
attr(,"constant")
[1] 8.442991
cioè predict(l) è somme schiera di predict(l,type="terms") + costante
Ti stai riferendo al modello lineare giusto? (predichi.lm) ma, per quanto ne so, il tipo di risposta di classe e tipo è correlato ai modelli di classificazione. Vuoi spiegare questi valori dei parametri? – kuz
Vedere il commento dell'ombra: pensavo che modelName fosse più probabile che fosse un oggetto lm, ma se non è necessario dirci quale classe (ModelName) fornisce, o guardare il file help per predict.class(). – Miff
Grazie per la risposta, ho ottenuto la risposta in? Predict.glm e? Predict.rpart. Ho completamente ignorato la genericità trattandoli come metodi sovraccarichi. – kuz
type = "response" viene utilizzato in glm modelli e type = "class" è utilizzato in rpart modelli (CART). See:
risposta ti dà il risultato numerico mentre la classe ti dà l'etichetta assegnata a quel valore.
La risposta consente di determinare la soglia. Ad esempio,
glm.fit = glm(Direction~., data=data, family = binomial, subset = train)
glm.probs = predict(glm.fit, test, type = "response")
In glm.probs abbiamo alcuni valori numerici compresi tra 0 e 1. Ora possiamo determinare il valore di soglia, diciamo 0.6. La direzione ha due possibili risultati, su o giù.
glm.pred = rep("Down",length(test))
glm.pred[glm.probs>.6] = "Up"
Quale funzione 'prevedere'? 'Previsione' è una funzione generica per le previsioni dai risultati di varie funzioni di adattamento del modello. La funzione richiama metodi particolari che dipendono dalla classe del primo argomento. – shadow