XGBOOST-多类预测。预测矩阵是类的概率集合。如何执行混淆矩阵答案

【问题标题】：XGBOOST-Multi class prediction. Prediction matrix is set of probabilities for classes. How to perform confusion matrixXGBOOST-多类预测。预测矩阵是类的概率集合。如何执行混淆矩阵
【发布时间】：2020-05-15 00:27:27
【问题描述】：

我使用 XGBOOST 进行多类标签预测。

这是一个多标签预测。即我的目标值包含 8 个类，并且我使用了大约 6 个功能，因为它们与目标值高度相关。

我已经创建了我的预测数据集。我已经使用 as.data.frame 从矩阵转换为数据帧

我想检查我的预测的准确性。我不确定自从 col 名称发生变化并且我的数据集中没有级别以来如何。我使用的所有数据类型都是整数和数字。

 Response <- train$Response
 label <- as.integer(train$Response)-1
 train$Response <- NULL

 train.index = sample(n,floor(0.75*n))
 train.data = as.matrix(train[train.index,])
 train.label = label[train.index]`
 test.data = as.matrix(train[-train.index,])
 test.label = label[-train.index]

 View(train.label)

 # Transform the two data sets into xgb.Matrix
 xgb.train = xgb.DMatrix(data=train.data,label=train.label)
 xgb.test = xgb.DMatrix(data=test.data,label=test.label)




  params = list(
          booster="gbtree",
          eta=0.001,
          max_depth=5,
          gamma=3,
          subsample=0.75,
          colsample_bytree=1,
          objective="multi:softprob",
          eval_metric="mlogloss",
          num_class=8)

    xgb.fit <-xgb.train(
    params=params,
    data=xgb.train,
    nrounds=10000,
    nthreads=1,
    early_stopping_rounds=10,
    watchlist=list(val1=xgb.train,val2=xgb.test),
    verbose=0
      )

   xgb.fit



  xgb.pred = predict(xgb.fit,test.data,reshape = T)
  class(xgb.pred)
  xgb.pred = as.data.frame(xgb.pred)

   """

现在我得到了以下形式的预测概率，因为 8 个类我有 8 个概率。我不知道哪个概率属于哪个变量。

1   0.12233257  0.07373134  0.044682350 0.0810693502    0.06272415  0.134308174 0.066143863 0.415008187

我想将它们转换为有意义的标签。这是我做不到的。执行混淆矩阵

【问题讨论】：

什么是类（xgb.pred），为什么在 train.data 中包含响应变量？
我问是因为我无法使用一些模拟数据重现您的错误。你也可以做 dput(head(train,20)) 并粘贴输出吗？
dput(head(train,5)) 结构(list(Medical_History_23 = c(3L, 3L, 3L, 3L, 3L), Medical_Keyword_3 = c(0L, 0L, 0L, 0L, 0L) ，Medical_keyword_15 = C（0L，0L，0L，0L，0L），BMI = C（0.323007976,0.272287744,0.428780444,0.424045644,0.424045645），WT = C（0.148535565,0.131799163,0.288702929,0.205020921,0.234309623），Medical_History_4 = C（ 1L, 1L, 2L, 2L, 2L), Ins_Age = c(0.641791045, 0.059701493, 0.029850746, 0.164179104, 0.417910448), 响应 = c(8L, 4L, 8L, 8L, (NA, = c)), row.names 5L), class= "data.frame") @StupidWolf
请编辑您的问题并包含您的数据样本（1 行就足够了）和输出。在评论部分很难导航。
@StupidWolf 我刚刚更新了问题。我在混淆矩阵方面遇到了麻烦。我有 8 个课程，所以 xgb.pred 给了我 8 个概率。我不确定哪个概率属于哪个类别。如果我可以解码并将最大概率分配给单个类。我可以继续做混淆矩阵。可能是我错过了一两步。你能帮忙吗？提前致谢

标签： r machine-learning xgboost

【解决方案1】：

假设您的数据是这样的：

train = data.frame(
  Medical_History_23 = sample(1:5,2000,replace=TRUE), 
  Medical_Keyword_3 = sample(1:5,2000,replace=TRUE), 
  Medical_Keyword_15 = sample(1:5,2000,replace=TRUE), 
  BMI = rnorm(2000), 
  Wt = rnorm(2000), 
  Medical_History_4 = sample(1:5,2000,replace=TRUE), 
  Ins_Age = rnorm(2000), 
  Response = sample(1:8,2000,replace=TRUE))

我们进行训练和测试：

library(xgboost)
label <- as.integer(train$Response)-1
train$Response <- NULL
n = nrow(train)
train.index = sample(n,floor(0.75*n))
train.data = as.matrix(train[train.index,])
train.label = label[train.index]
test.data = as.matrix(train[-train.index,])
test.label = label[-train.index]
xgb.train = xgb.DMatrix(data=train.data,label=train.label)
xgb.test = xgb.DMatrix(data=test.data,label=test.label)

params = list(booster="gbtree",eta=0.001,
          max_depth=5,gamma=3,subsample=0.75,
          colsample_bytree=1,objective="multi:softprob",
          eval_metric="mlogloss",num_class=8)

xgb.fit <-xgb.train(params=params,data=xgb.train,
    nrounds=10000,nthreads=1,early_stopping_rounds=10,
    watchlist=list(val1=xgb.train,val2=xgb.test),
    verbose=0
      )

xgb.pred = predict(xgb.fit,test.data,reshape = T)

你的预测如下图，每一列是1,2...8的概率

> head(xgb.pred)
         V1        V2        V3        V4        V5        V6        V7        V8
1 0.1254475 0.1252269 0.1249843 0.1247929 0.1246919 0.1248430 0.1248226 0.1251909
2 0.1255558 0.1249674 0.1250741 0.1250397 0.1249939 0.1247931 0.1248649 0.1247111
3 0.1249737 0.1250508 0.1249501 0.1250445 0.1250142 0.1249630 0.1249194 0.1250844

为了得到预测标签，我们这样做

predicted_labels= factor(max.col(xgb.pred),levels=1:8)
obs_labels = factor(test.label,levels=1:8)

获取混淆矩阵：

caret::confusionMatrix(obs_labels,predicted_labels)

当然，我的这个例子的准确性会很低，因为变量中没有有用的信息，但代码应该适合你。

【讨论】：

【解决方案2】：

与您的标签相同的顺序。例如：

0.415008187

是发生第 8 类的概率，以此类推。

【讨论】：