使用 rpart 模型预测（）的基本问题

Question

我从 Weka 过来，正在努力学习 R 的 predict() 函数。

假设我想对一个分类变量进行预测，如下所示，使用内置的 kyphosis 数据集。我正在使用 rpart，我正在调用 predict()，并将训练数据作为测试数据。

> library(rpart)
> head(kyphosis)
  Kyphosis Age Number Start
1   absent  71      3     5
2   absent 158      3    14
3  present 128      4     5
4   absent   2      5     1
5   absent   1      4    15
6   absent   1      2    16
> 
> kyphosisModel <- rpart(Kyphosis ~ Age + Number + Start, data=kyphosis)
> 
> kyphosisPredictions1 <- predict(kyphosisModel, kyphosis)
> head(kyphosisPredictions1)
     absent   present
1 0.4210526 0.5789474
2 0.8571429 0.1428571
3 0.4210526 0.5789474
4 0.4210526 0.5789474
5 1.0000000 0.0000000
6 1.0000000 0.0000000
> 
> kyphosisPredictions2 <- predict(kyphosisModel, kyphosis[,-1])
> head(kyphosisPredictions2)
     absent   present
1 0.4210526 0.5789474
2 0.8571429 0.1428571
3 0.4210526 0.5789474
4 0.4210526 0.5789474
5 1.0000000 0.0000000
6 1.0000000 0.0000000

以下是我的具体问题：

1. 当我用测试数据调用predict() 时，我明白测试数据中的特征（属性列）必须与测试数据中的特征匹配。 但是我需要删除预测标签（被预测的属性列）吗？ 在上面的示例中，我使用省略了预测列（第 1 列）的测试数据集创建了kyphosisPredictions2，它导致与kyphosisPredictions1 相同的预测，其中包括预测列。这可能是巧合，所以我想确定一下。 无论提供给 predict() 的机器学习模型如何，这个问题的答案（是或否）都适用吗？

2. 分类列上的预测显然给了我关于“不存在”和“存在”的概率分布。有没有办法只返回单个预测级别，即。每行是“不存在”还是“存在”？

Answer 1

使用predict()，无论您是否为测试集包含标签都无关紧要，因为模型将仅使用其训练过的变量。对于您的第二个问题，只需指定您想要的列。例如，如果你想缺席：

kyphosisPredictions2 <- predict(kyphosisModel, kyphosis[,-1])[, 1]

您也可以使用列名来做到这一点：

kyphosisPredictions2 <- predict(kyphosisModel, kyphosis)[, "absent"]