每次观察可以获取超过 1 个预测的分类树答案

【问题标题】：Classification tree that can fetch more than 1 prediction per observation每次观察可以获取超过 1 个预测的分类树
【发布时间】：2014-06-15 18:38:43
【问题描述】：

我正在从分类树算法家族中寻找一个算法，可以为每个观察提供多个（超过 1 个）预测（以某种排序顺序）。更具体地说 - 我有 10 个二元目标模型来预测具有 10 个级别的目标变量。如何以这种方式组合模型以获取具有置信度的预定义数量的预测。例如，我希望我的“组合”模型为每次观察获取 2 个预测。一种可能的方法是采用针对特定观察具有最高准确度的 2 个二元模型并获取它们。如何计算这组 2 个预测的“平均”准确度？如果有人可以提供 rpart 包中的文献和 R 代码示例，那将更有帮助。谢谢

【问题讨论】：

我知道的大多数树都会返回每个类的后验概率。会这样吗？

标签： r classification data-mining decision-tree rpart

【解决方案1】：

在 predict.rpart 的 rpart 文档中：type = c("vector", "prob", "class", "matrix")

像这样使用：

predict(${some r part model}, type="prob")

它会给你每个类别的概率向量

【讨论】：

@user3424107 你可以编辑你的问题...你不应该在 cmets 部分发布更新