如何在R中为决策树模型创建收益图？

Question

如何在R中为决策树模型创建收益图？

rmachine-learningclassificationrstudiodecision-tree

6

我已经在R中创建了一棵决策树模型。目标变量是薪资，我们试图基于其他输入变量来预测一个人的薪资是否高于或低于50k。

df<-salary.data 

train = sample(1:nrow(df), nrow(df)/2)
train = sample(1:nrow(df), size=0.2*nrow(df))
test = - train
training_data = df[train, ]
testing_data = df[test, ]

fit <- rpart(training_data$INCOME ~ ., method="class", data=training_data)##generate tree
testing_data$predictionsOutput = predict(fit, newdata=testing_data, type="class")##make prediction

接下来我尝试通过以下步骤创建增益图

# Gain Chart
pred <- prediction(testing_data$predictionsOutput, testing_data$INCOME)
gain <- performance(pred,"tpr","fpr")
plot(gain, col="orange", lwd=2)

通过查看参考文献，我无法理解如何使用ROCR包来使用'Prediction'函数构建图表。这仅适用于二进制目标变量吗？我遇到了“预测格式无效”的错误。

如果有任何帮助，将不胜感激，以帮助我为上述模型构建增益图。谢谢！

  AGE          EMPLOYER     DEGREE             MSTATUS            JOBTYPE     SEX C.GAIN C.LOSS HOURS
1  39         State-gov  Bachelors       Never-married       Adm-clerical    Male   2174      0    40
2  50  Self-emp-not-inc  Bachelors  Married-civ-spouse    Exec-managerial    Male      0      0    13
3  38           Private    HS-grad            Divorced  Handlers-cleaners    Male      0      0    40

         COUNTRY INCOME
1  United-States  <=50K
2  United-States  <=50K
3  United-States  <=50K

- AbhinavVinay

根据文档，

目前，ROCR仅支持二元分类...如果存在两个以上的不同标签符号，则执行会停止并显示错误消息。

- jlhoward

在这种情况下，它是一个二元分类问题，其中目标要么是>50k，要么是<=50k。 - AbhinavVinay

好的。但是你传递给 prediction 函数的第二个参数必须只有两个值。testing_data$INCOME 是否只有两个值？ - jlhoward

是的，testing_data$INCOME 只有两个可能的值，要么 >50k 要么 <=50k。 - AbhinavVinay

1

你能提供 salary.data 吗？请在你的问题中发布 dput(salary.data) 的输出，或者如果它太大了，请将其上传到某个地方并发布链接。 - jlhoward

显示剩余3条评论

2个回答

2

如果您更改，这应该可以正常工作

predict(fit, newdata=testing_data, type="class")

to

predict(fit, newdata=testing_data, type="prob")

收益图希望按照模型概率进行排名。

- Mike.Gahan

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- user974465 · Accepted Answer

使用c()将预测结果转换为向量

library('rpart')
library('ROCR')
setwd('C:\\Users\\John\\Google Drive\\working\\R\\questions')
df<-read.csv(file='salary-class.csv',header=TRUE)

train = sample(1:nrow(df), nrow(df)/2)
train = sample(1:nrow(df), size=0.2*nrow(df))
test = - train
training_data = df[train, ]
testing_data = df[test, ]

fit <- rpart(training_data$INCOME ~ ., method="class", data=training_data)##generate tree
testing_data$predictionsOutput = predict(fit, 
                                         newdata=testing_data, type="class")##make prediction

# Doesn't work
# pred <- prediction(testing_data$predictionsOutput, testing_data$INCOME)
v <- c(pred = testing_data$predictionsOutput)
pred <- prediction(v, testing_data$INCOME)
gain <- performance(pred,"tpr","fpr")
plot(gain, col="orange", lwd=2)

enter image description here