来自 nnet 的预测是一个字符而不是一个因素

Question

我担心的是，当我训练一个 nnet 时，该类是类型因子，但是当我进行预测时，我得到了一个返回的 chr。

这个例子我取自另一个帖子。

library(nnet)
library(C50)
library(caret)
attach(iris)
set.seed(3456)
trainIndex <- createDataPartition(iris$Species, p = .8,
                          list = FALSE,
                          times = 1)
irisTrain <- iris[ trainIndex,]
irisTest  <- iris[-trainIndex,]

irispred <- nnet(Species ~ ., data=irisTrain, size=10)
predicted <- predict(irispred,irisTest,type="class")

和

> str(irisTrain)
'data.frame':   120 obs. of  5 variables:
$ Sepal.Length: num  5.1 4.9 4.6 5 5.4 5 4.4 4.9 5.4 4.8 ...
$ Sepal.Width : num  3.5 3 3.1 3.6 3.9 3.4 2.9 3.1 3.7 3 ...
$ Petal.Length: num  1.4 1.4 1.5 1.4 1.7 1.5 1.4 1.5 1.5 1.4 ...
$ Petal.Width : num  0.2 0.2 0.2 0.2 0.4 0.2 0.2 0.1 0.2 0.1 ...
$ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
> str(irisTest)
'data.frame':   30 obs. of  5 variables:
 $ Sepal.Length: num  4.7 4.6 4.8 4.3 5.4 4.6 5 5 4.6 5.3 ...
 $ Sepal.Width : num  3.2 3.4 3.4 3 3.4 3.6 3.5 3.5 3.2 3.7 ...
 $ Petal.Length: num  1.3 1.4 1.6 1.1 1.7 1 1.3 1.6 1.4 1.5 ...
 $ Petal.Width : num  0.2 0.3 0.2 0.1 0.2 0.2 0.3 0.6 0.2 0.2 ...
 $ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...

所以在训练和测试数据集中物种是因素，但是

str(predicted)
chr [1:30] "setosa" "setosa" "setosa" "setosa" "setosa" ...

预测的结果是字符。我正在使用其他数据挖掘包，例如 C50，它们会从预测中返回因子，

> irispred <- C5.0(Species ~ ., data=irisTrain)
> predicted <- predict(irispred,irisTest,type="class")
> str(predicted)
Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 2 1 1 ...

对于 predict 的输出，我更喜欢一致的、基于因子的格式。在 nnet 的情况下将 predict 的字符输出转换为因子是行不通的，因为我不能保证所有级别都将作为字符变量存在。例如，在我的 650 个案例中，有一个案例具有唯一级别，有时可能在测试数据集中，有时不在，但我希望 predict 的输出知道它，即使它不在测试数据中。

谢谢。

Answer 1

在使用nnet.formula 之后，它将类的级别存储在其结果的lev 成员中。即使训练集中不包含某个级别，也会从输入数据中保留级别的顺序。使用factor(predicted_class, levels = model_object$lev) 可以轻松地将预测的类重新转换为因子。例如：

iris2 <- iris
iris2$Species <- factor(iris2$Species,
  levels = c("versicolor", "banana", "setosa", "cherry", "virginica"))
iris_pred <- nnet(Species ~ ., data = iris2[trainIndex, ], size = 10)

#Warning message:
#In nnet.formula(Species ~ ., data = iris2[trainIndex, ], size = 10) :
#  groups ‘banana’ ‘cherry’ are empty

identical(iris_pred$lev, levels(iris2$Species))
#[1] TRUE

predicted <- predict(iris_pred, iris2[-trainIndex, ], type="class")
predicted_fac <- factor(predicted, levels = iris_pred$lev)
table(iris2[-trainIndex, "Species"], predicted_fac)

#            predicted_fac
#             versicolor banana setosa cherry virginica
#  versicolor         10      0      0      0         0
#  banana              0      0      0      0         0
#  setosa              0      0     10      0         0
#  cherry              0      0      0      0         0
#  virginica           0      0      0      0        10