回归预测运算出来的最终结果很奇怪

Question

pred_end <- predict(rpartmodel,testdata[-7], type = 'prob')
data_end <- cbind(round(pred_end,3),pred_rpart)
names(data_end) <- c('pred.0','pred.1','pred')
data.table(data_end)
为什么运行出的结果不太对

Answer 1

引自免费微信小程序：皆我百晓生

面对回归预测结果异常的情况，首先需要确保模型训练和预测步骤正确无误。在你提供的R语言代码中，predict函数被用于从决策树模型（rpartmodel）预测测试数据（testdata）的概率输出。然而，你提到的结果“不太对”，这可能由多种原因造成。

问题诊断步骤

1. 检查模型类型： 确保rpartmodel是基于分类任务构建的，因为你在predict函数中使用了type='prob'参数，这适用于分类模型而非回归模型。

2. 验证测试数据格式：

   • 确认testdata包含了所有必要的特征列，且这些列的数据类型与训练数据一致。
   • 如果testdata中的某些列在模型训练时未使用（例如，第7列），确保在预测时也排除这些列。

3. 审查预测结果：

   • pred_end应包含两个概率列，分别对应分类的两类。
   • 使用round(pred_end,3)将结果四舍五入至小数点后三位可能不会改变预测质量，但会影响结果的显示。

4. 检查cbind操作：

   • 确保pred_rpart变量已定义，否则它将导致错误。
   • 如果pred_rpart是预测的类别标签，应确保其维度与pred_end相匹配。

5. 数据转换与展示：

   • 使用data.table包来处理数据可能会引入额外的列名或行索引，这取决于你的data.table版本设置。

解决方案

步骤1：确认模型与数据兼容性

• 检查模型类型是否为分类。
• 确认testdata的列结构与训练数据一致。

步骤2：修正预测代码

如果你的模型确实是分类模型，尝试以下修正后的代码：

# 假设 rpartmodel 是一个分类模型
pred_end <- predict(rpartmodel, testdata[-7], type = 'prob')
# 确保 pred_rpart 已正确定义，这里我们假设它是 pred_end 中最大概率对应的类别
pred_rpart <- apply(pred_end, 1, which.max)
# 将 pred_rpart 转换为 factor 或者 character 类型，以便于后续操作
pred_rpart <- as.character(pred_rpart)
# 结合预测概率和类别标签
data_end <- data.frame(pred.0 = round(pred_end[,1], 3),
                       pred.1 = round(pred_end[,2], 3),
                       pred = pred_rpart)
# 显示结果
print(data_end)

步骤3：使用data.table包

如果你确实需要使用data.table包来处理数据，可以这样修改代码：

library(data.table)
setDT(data_end) # 将 data_end 转换为 data.table 对象
print(data_end)

通过以上步骤，你应该能更好地理解并解决预测结果异常的问题。如果问题仍未解决，建议详细检查数据预处理步骤、模型训练过程以及预测阶段的每一步操作，确保没有遗漏或错误。