获得提升多项式模型的准确性答案

【问题标题】：Get accuracy for a boosted multinomial model获得提升多项式模型的准确性
【发布时间】：2015-12-28 10:56:49
【问题描述】：

我正在尝试查找增强模型的准确性。我的代码是这样的：

wine.boost = gbm(as.factor(wine) ~ alcohol+hue, data = italiantrain,
distribution = "multinomial", n.trees = 5000 , interaction.depth = 2)

wine.boost.testpredict = predict(wine.boost, newdata=italiantest, 
n.trees =5000, type = "response")

confusionMatrix(wine.boost.testpredict, italiantrain$wine)

当我尝试这个时，我收到以下错误：

Error in confusionMatrix.default(wine.boost.trainpredict, italiantest$wine): 
the data cannot have more levels than the reference

我不确定要纠正什么或我做错了什么。有什么建议吗？

【问题讨论】：

这个错误看起来很简单，你能至少分享一下你的数据集的结构吗？
'data.frame'：178 obs。 8 个变量：$ 代码：因子 w/178 个级别“ERA0174”，“ERA0176”，..：120 123 126 129 132 135 138 141 144 147 ... $ wine：因子 w/3 个级别“Barbera”，“Barolo” ",..: 2 2 2 2 2 2 2 2 2 2 ... $酒精： num 14.2 13.2 13.2 14.4 13.2 ... $ 糖： num 24.8 26.3 26.3 25.9 26 ... $ 酸度： num 73.1 72.8 68.5 74.9 83.5 ... $ ph：num 3.38 3.3 3.48 3.48 3.42 3.39 3.42 3.54 3.3 3.27 ... $ color：num 5.64 4.38 5.68 7.8 4.32 6.75 5.25 5.05 5.2 7.22 ... $ hue：num 1.04 1.05 1.03 0.86 1.04 1.05 1.02 1.06 1.08 1.01 ...
拥有数据会很有帮助。该消息似乎在说预测向量和参考向量中的因子级别数量存在差异。您可以使用命令 nlevels 进行检查。

标签： r r-caret multinomial gbm

【解决方案1】：

对数据感到满意的最好方法是不看它：

> iris.boost = gbm(Species ~ ., data = iris,
+                  distribution = "multinomial", n.trees = 5000 , interaction.depth = 2)
> 
> iris.boost.testpredict = predict(iris.boost, newdata=iris[1:3, 1:4], 
+                                  n.trees =5000, type = "response")
> iris.boost.testpredict
, , 5000

        setosa   versicolor    virginica
[1,] 0.9987619 0.0011808413 5.722106e-05
[2,] 0.9994021 0.0004801001 1.177551e-04
[3,] 0.9993529 0.0005547632 9.236662e-05

您必须将基本的gbm 输出转换为一个因子（或使用train，它会为您完成）。

【讨论】：