R gbm逻辑回归

Question

我希望使用GBM包来进行逻辑回归，但它的回答略微超出0-1范围。 我已经尝试了0-1预测（ bernoulli和adaboost ）的建议分布参数，但这实际上比使用gaussian更糟糕。

GBM_NTREES = 150
GBM_SHRINKAGE = 0.1
GBM_DEPTH = 4
GBM_MINOBS = 50
> GBM_model <- gbm.fit(
+ x = trainDescr 
+ ,y = trainClass 
+ ,distribution = "gaussian"
+ ,n.trees = GBM_NTREES
+ ,shrinkage = GBM_SHRINKAGE
+ ,interaction.depth = GBM_DEPTH
+ ,n.minobsinnode = GBM_MINOBS
+ ,verbose = TRUE)
Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.0603             nan     0.1000    0.0019
     2        0.0588             nan     0.1000    0.0016
     3        0.0575             nan     0.1000    0.0013
     4        0.0563             nan     0.1000    0.0011
     5        0.0553             nan     0.1000    0.0010
     6        0.0546             nan     0.1000    0.0008
     7        0.0539             nan     0.1000    0.0007
     8        0.0533             nan     0.1000    0.0006
     9        0.0528             nan     0.1000    0.0005
    10        0.0524             nan     0.1000    0.0004
   100        0.0484             nan     0.1000    0.0000
   150        0.0481             nan     0.1000   -0.0000
> prediction <- predict.gbm(object = GBM_model
+ ,newdata = testDescr
+ ,GBM_NTREES)
> hist(prediction)
> range(prediction)
[1] -0.02945224  1.00706700

伯努利：

GBM_model <- gbm.fit(
x = trainDescr 
,y = trainClass 
,distribution = "bernoulli"
,n.trees = GBM_NTREES
,shrinkage = GBM_SHRINKAGE
,interaction.depth = GBM_DEPTH
,n.minobsinnode = GBM_MINOBS
,verbose = TRUE)
prediction <- predict.gbm(object = GBM_model
+ ,newdata = testDescr
+ ,GBM_NTREES)
> hist(prediction)
> range(prediction)
[1] -4.699324  3.043440

并且adaboost：

GBM_model <- gbm.fit(
x = trainDescr 
,y = trainClass 
,distribution = "adaboost"
,n.trees = GBM_NTREES
,shrinkage = GBM_SHRINKAGE
,interaction.depth = GBM_DEPTH
,n.minobsinnode = GBM_MINOBS
,verbose = TRUE)
> prediction <- predict.gbm(object = GBM_model
+ ,newdata = testDescr
+ ,GBM_NTREES)
> hist(prediction)
> range(prediction)
[1] -3.0374228  0.9323279

我做错了什么，我是否需要对数据进行预处理（缩放，居中），或者我是否需要进入并手动对值进行置/上限，例如：

prediction <- ifelse(prediction < 0, 0, prediction)
prediction <- ifelse(prediction > 1, 1, prediction)

Answer 1

来自?predict.gbm ：

返回预测向量。 默认情况下，预测的范围为f（x）。 例如，对于伯努利损失，返回值在对数优势等级上，对数尺度上的泊松损失，以及在对数危险等级上的考克斯。

如果type =“response”，则gbm将转换回与结果相同的比例。 目前唯一的影响是返回bernoulli的概率和泊松的预期计数。 对于其他发行版“响应”和“链接”返回相同。

因此，如果使用distribution="bernoulli" ，则需要转换预测值以将它们重新缩放为[0,1]： p <- plogis(predict.gbm(model)) 。 使用distribution="gaussian"实际上是回归而不是分类，虽然我很惊讶预测不在[0,1]中：我的理解是gbm仍然基于树，所以预测值不应该'能够超出训练数据中存在的值。