Jak korzystać z R gbm z dystrybucją = „adaboost”?

9

Dokumentacja mówi, że R gbm z rozkładem = "adaboost" może być użyty do problemu klasyfikacji 0-1. Rozważ następujący fragment kodu:

gbm_algorithm <- gbm(y ~ ., data = train_dataset, distribution = "adaboost", n.trees = 5000)
gbm_predicted <- predict(gbm_algorithm, test_dataset, n.trees = 5000)

Można go znaleźć w dokumentacji prognozy.gbm

Zwraca wektor prognoz. Domyślnie prognozy są w skali f (x).

Jednak konkretna skala nie jest jasna w przypadku dystrybucji = „adaboost”.

Czy ktoś może pomóc w interpretacji wartości zwracanych przewidywanych.gbm i przedstawić pomysł konwersji na wyjście 0-1?

Alexey Lakhno
źródło
To pytanie wydaje się dotyczyć tylko sposobu interpretacji wyniku R, a nie powiązanych zagadnień statystycznych (chociaż nie oznacza to, że jest to złe Q). W związku z tym lepiej jest pytać i prawdopodobnie udzielać odpowiedzi na stosie przepełnienia , a nie tutaj. Nie wysyłaj postów (SE zdecydowanie to odradza), jeśli chcesz, aby Q migrował szybciej, oflaguj go dla uwagi moderatora.
gung - Przywróć Monikę
4
@gung wydaje mi się uzasadnionym pytaniem statystycznym. Pakiet GBM dostarcza Deviance używanego do adaboost, ale nie jest dla mnie jasne, co to jest f (x) i jak przywrócić transformację do skali prawdopodobieństwa (być może trzeba użyć skalowania Platta). cran.r-project.org/web/packages/gbm/vignettes/gbm.pdf
B_Miner

Odpowiedzi:

11

Metoda adaboost daje prognozy w skali logit. Możesz przekonwertować go na wyjście 0-1:

gbm_predicted<-plogis(2*gbm_predicted)

zwróć uwagę na 2 * w logach

Razgon
źródło
11

Możesz również bezpośrednio uzyskać prawdopodobieństwa z predict.gbmfunkcji;

predict(gbm_algorithm, test_dataset, n.trees = 5000, type = 'response')
Edwin
źródło
3

Funkcja linku adaboost została opisana tutaj . Ten przykład zawiera szczegółowy opis obliczeń:

library(gbm);
set.seed(123);
n          <- 1000;
sim.df     <- data.frame(x.1 = sample(0:1, n, replace=TRUE), 
                         x.2 = sample(0:1, n,    replace=TRUE));
prob.array <- c(0.9, 0.7, 0.2, 0.8);
df$y       <- rbinom(n, size = 1, prob=prob.array[1+sim.df$x.1+2*sim.df$x.2])
n.trees    <- 10;
shrinkage  <- 0.01;

gbmFit <- gbm(
  formula           = y~.,
  distribution      = "bernoulli",
  data              = sim.df,
  n.trees           = n.trees,
  interaction.depth = 2,
  n.minobsinnode    = 2,
  shrinkage         = shrinkage,
  bag.fraction      = 0.5,
  cv.folds          = 0,
  # verbose         = FALSE
  n.cores           = 1
);

sim.df$logods  <- predict(gbmFit, sim.df, n.trees = n.trees);  #$
sim.df$prob    <- predict(gbmFit, sim.df, n.trees = n.trees, type = 'response');  #$
sim.df$prob.2  <- plogis(predict(gbmFit, sim.df, n.trees = n.trees));  #$
sim.df$logloss <- sim.df$y*log(sim.df$prob) + (1-sim.df$y)*log(1-sim.df$prob);  #$


gbmFit <- gbm(
  formula           = y~.,
  distribution      = "adaboost",
  data              = sim.df,
  n.trees           = n.trees,
  interaction.depth = 2,
  n.minobsinnode    = 2,
  shrinkage         = shrinkage,
  bag.fraction      = 0.5,
  cv.folds          = 0,
  # verbose         = FALSE
  n.cores           = 1
);

sim.df$exp.scale  <- predict(gbmFit, sim.df, n.trees = n.trees);  #$
sim.df$ada.resp   <- predict(gbmFit, sim.df, n.trees = n.trees, type = 'response');  #$
sim.df$ada.resp.2 <- plogis(2*predict(gbmFit, sim.df, n.trees = n.trees));  #$
sim.df$ada.error  <- -exp(-sim.df$y * sim.df$exp.scale);  #$

sim.df[1:20,]
Liran Katzir
źródło
Nie mogę edytować, bo zbyt mało się zmieniam. „Pdf y”. y´shoulrebmi´sjam.refa
Ric,