R：如何使用分类模型输出预测概率

Question

当我使用glm拟合逻辑回归模型时，我可以指定type = "response"以获得预测概率。

model <- glm(formula= vs ~ wt + disp, data=mtcars, family=binomial)
newdata = data.frame(wt = 2.1, disp = 180)
predict(model, newdata, type="response")
        1 
0.2361081 

我正在一个新包RSSL试验逻辑回归函数。 下面是一些示例代码（来自文档）

library(RSSL)
set.seed(1)
df <- generateSlicedCookie(1000,expected=FALSE) %>% 
  add_missinglabels_mar(Class~.,0.98)
class_lr <- LogisticRegression(Class~.,df,lambda = 0.01)
df_test <- generateSlicedCookie(1000,expected=FALSE)
predict(class_lr,df_test)

在class_lr对象上使用predict为我提供了类标签。 并且使用predict(class_lr,df_test, type = "response")导致错误。 有没有办法让 R 输出预测的概率？

Answer 1

查看LogisticRegression的源代码，对于 predict，它计算对数优势比的预测并将其转换为概率并仅返回类，因此type="response"没有选项：

setMethod("predict", signature(object="LogisticRegression"), function(object, newdata) {
ModelVariables<-PreProcessingPredict(object@modelform,newdata,scaling=object@scaling,intercept=object@intercept)
  X<-ModelVariables$X

  w <- matrix(object@w, nrow=ncol(X))
  expscore <- exp(cbind(rep(0,nrow(X)), X %*% w))
  probabilities <- expscore/rowSums(expscore)

  # If we need to return classes
  classes <- factor(apply(probabilities,1,which.max),levels=1:length(object@classnames), labels=object@classnames)
  return(classes)
})

与这个类相关的另一个方法是posterior ，你可以看到代码非常相似，它以 exp 形式返回概率：

setMethod("posterior", signature(object="LogisticRegression"), function(object,newdata) {

  ModelVariables<-PreProcessingPredict(modelform=object@modelform,
                                       newdata=newdata,
                                       y=NULL,
                                       scaling=object@scaling,
                                       intercept=object@intercept)

  X<-ModelVariables$X

  w <- matrix(object@w, nrow=ncol(X))
  expscore <- exp(cbind(rep(0,nrow(X)), X %*% w))
  posteriors <- expscore/rowSums(expscore)

  posteriors <- exp(posteriors)
  colnames(posteriors) <- object@classnames
  return(posteriors)
})

为稍长的答案道歉，如果您需要概率，您可以这样做：

probs = log(posterior(class_lr,df_test))

第一列是属于第一类的概率，第二列依此类推。 要检查标签是否相似：

pred_labels = predict(class_lr,df_test)
table(apply(probs,1,which.max) == as.numeric(pred_labels))
TRUE 
1000