【发布时间】：2013-03-08 08:04:06
【问题描述】：
我正在使用 R 中的 kernlab 包中的 ksvm 来预测概率，使用 predict.ksvm 中的 type="probabilities" 选项。但是，我发现有时使用predict(model,observation,type="r") 产生的不是predict(model,observation,type="p") 给出的概率最高的类。
例子：
> predict(model,observation,type="r")
[1] A
Levels: A B
> predict(model,observation,type="p")
A B
[1,] 0.21 0.79
这是正确的行为，还是错误？如果它是正确的行为，我如何从概率中估计最有可能的类别？
尝试可重现的示例：
library(kernlab)
set.seed(1000)
# Generate fake data
n <- 1000
x <- rnorm(n)
p <- 1 / (1 + exp(-10*x))
y <- factor(rbinom(n, 1, p))
dat <- data.frame(x, y)
tmp <- split(dat, dat$y)
# Create unequal sizes in the groups (helps illustrate the problem)
newdat <- rbind(tmp[[1]][1:100,], tmp[[2]][1:10,])
# Fit the model using radial kernal (default)
out <- ksvm(y ~ x, data = newdat, prob.model = T)
# Create some testing points near the boundary
testdat <- data.frame(x = seq(.09, .12, .01))
# Get predictions using both methods
responsepreds <- predict(out, newdata = testdat, type = "r")
probpreds <- predict(out, testdat, type = "p")
results <- data.frame(x = testdat,
response = responsepreds,
P.x.0 = probpreds[,1],
P.x.1 = probpreds[,2])
结果输出：
> results
x response P.x.0 P.x.1
1 0.09 0 0.7199018 0.2800982
2 0.10 0 0.6988079 0.3011921
3 0.11 1 0.6824685 0.3175315
4 0.12 1 0.6717304 0.3282696
【问题讨论】：
-
如果您给我们一些样本数据和样本拟合模型，这将对我们有很大帮助。这将使解释这种行为变得更容易。然而，简而言之，这可能是正确的行为。
-
除非您提供生成此行为的可重现代码，否则可能没人会同意这是一个错误。否则，我们中间的贝叶斯主义者只会说他们的“你犯了错误”的先验可能是正确的。
-
我的问题主要是这是否应该是可能的，但我知道一个可重现的例子会有所帮助。我将尝试用这种行为训练一个样本模型，但不幸的是，这发生在一个对 SO 来说太大的模型上。我会告诉你的。
-
@joran 这种行为是可重现的。我将添加一些代码以实现重现性。 roelandvanbeek - 如果我添加的代码不能说明你在说什么，请随意删除它。
-
用于拟合模型的数据中不等的样本量似乎加剧了这种行为。