r语言 - 使用 pdp 包获取所有类的概率尺度部分依赖图

Question

我一直在按照这里的例子来创建部分依赖图，但我想将用于获取多类中所有水平的图的方法与在概率尺度上获得预测的方法结合起来(见第 430-431 页(。 这是我的方法，但它不起作用pred.fun因为不允许有第三个参数

library(e1071)
iris.svm <- svm(Species ~ ., data = iris, kernel = "radial", gamma = 0.75,
cost = 0.25, probability = TRUE)
pred.prob <- function(object, newdata,i) { # see ?predict.svm
pred <- predict(object, newdata, probability = TRUE)
prob.class <- attr(pred, which = "probabilities")[, i]
mean(prob.class)
}
pred.prob(iris.svm,iris,"setosa")
pd <- NULL
for (i in 1:3) {
tmp <- partial(iris.svm, pred.var = c("Petal.Width", "Petal.Length"),
pred.fun = pred.prob,
which.class = i, grid.resolution = 101, progress = "text")
pd <- rbind(pd, cbind(tmp, Species = levels(iris$Species)[i]))
}

关于如何绕过此要求或采用其他方法的任何建议？

Answer 1

自从我提到的文章发表以来，看起来该软件包实际上已经更新了。现在您需要做的就是将prob参数设置为 TRUE，它将在概率尺度上进行预测。

pd <- NULL    
for (i in 1:3) {
tmp <- partial(iris.svm, pred.var = c("Petal.Width", "Petal.Length"),
prob = T,
which.class = i, grid.resolution = 101, progress = "text")
pd <- rbind(pd, cbind(tmp, Species = levels(iris$Species)[i]))
}

我希望这有助于其他人避免浪费一个下午！