如何 运行 使用插入符包模型结果对概率进行 gbm 模拟
How to run a gbm simulation over probabilities using caret package model results
我不确定这是否是正确的方法，我很乐意得到纠正。
拟合模型
我在 R 环境中使用 caret 包安装了一个 gbm 模型，作为示例，我将在不进行任何参数调整的情况下使用 iris 数据集：
library(caret)
data(iris)
gbmFit <- train(Species ~ ., data = iris, method = "gbm")
如果我在鸢尾花数据集中进行了 4 次测量，这使我能够对花朵属于哪个物种进行分类。
我有兴趣在 type = "prob" 到 运行 模拟中使用 predict 函数的结果。
使用预测得到每个物种的概率
由于这只是一个例子，我没有新数据，所以我将使用与新数据相同的数据，我使用预测函数来获得每朵花属于一个物种的概率：
PROBS <- predict(gbmFit4, iris[,1:4], type="prob")
这是结果的示例
head(PROBS)
setosa versicolor virginica
1 0.9999989 1.087268e-06 1.679813e-10
2 0.9999998 1.689137e-07 1.404242e-09
3 0.9999995 5.381312e-07 3.131823e-10
4 0.9999996 4.335414e-07 3.912857e-10
5 0.9999989 1.087268e-06 1.679813e-10
6 0.9999987 1.278968e-06 1.679813e-10
运行一朵花的模拟
我知道如何对一朵花进行模拟，我使用 PROB 数据框给出一朵花属于每个物种的概率，然后使用 sample 模拟给定概率的分类，使，假设有 1000000 个分类，我使用第 107 行，因为它不太确定：
set.seed(123)
summary(as.factor(sample(c("setosa", "versicolor", "virginica"), size = 100000, replace = TRUE, prob = PROBS[107,])))
这导致
versicolor virginica
14731 85269
每次观察如何做
我的目标是 运行 使用新数据进行这样的模拟并获得以下结果：平均而言，每次模拟中每个物种中有多少朵花被分类（av_class_species）；以及每个物种的最小值和最大值是多少（min_class_species，max_class_species），例如我制作了这个假数据框（数据集中有 150 朵花）：
av_class_setosa max_class_setosa min_class_setosa av_class_versicolor...
24.4 35 12 30.2
任何帮助将不胜感激
找到了我自己的答案，虽然如果有人找到更有效的方法我会很高兴，但这是针对 运行 100 次模拟：
SIMUL <- list()
for(i in 1:100){
species <- list()
for(j in 1:nrow(PROBS)){
species[[j]] <- sample(c("setosa", "versicolor", "virginica"), size = 1, replace = TRUE, prob = PROBS[j,])
}
SIMUL[[i]] <- as.data.frame(table(unlist(species)))
}
SIMUL <- do.call("rbind", SIMUL)
SIMUL <- dplyr::group_by(SIMUL, Var1)
SIMUL <- dplyr::summarise(SIMUL, MEAN_class = mean(Freq), MIN_Class = min(Freq), MAX_Class = max(Freq))
这将导致：
SIMUL
Source: local data frame [3 x 4]
Var1 MEAN_class MIN_Class MAX_Class
(fctr) (dbl) (int) (int)
1 setosa 50.0 50 50
2 versicolor 49.7 47 53
3 virginica 50.3 47 53
我不确定这是否是正确的方法，我很乐意得到纠正。
拟合模型
我在 R 环境中使用 caret 包安装了一个 gbm 模型，作为示例，我将在不进行任何参数调整的情况下使用 iris 数据集：
library(caret)
data(iris)
gbmFit <- train(Species ~ ., data = iris, method = "gbm")
如果我在鸢尾花数据集中进行了 4 次测量，这使我能够对花朵属于哪个物种进行分类。
我有兴趣在 type = "prob" 到 运行 模拟中使用 predict 函数的结果。
使用预测得到每个物种的概率
由于这只是一个例子，我没有新数据，所以我将使用与新数据相同的数据，我使用预测函数来获得每朵花属于一个物种的概率：
PROBS <- predict(gbmFit4, iris[,1:4], type="prob")
这是结果的示例
head(PROBS)
setosa versicolor virginica
1 0.9999989 1.087268e-06 1.679813e-10
2 0.9999998 1.689137e-07 1.404242e-09
3 0.9999995 5.381312e-07 3.131823e-10
4 0.9999996 4.335414e-07 3.912857e-10
5 0.9999989 1.087268e-06 1.679813e-10
6 0.9999987 1.278968e-06 1.679813e-10
运行一朵花的模拟
我知道如何对一朵花进行模拟，我使用 PROB 数据框给出一朵花属于每个物种的概率，然后使用 sample 模拟给定概率的分类，使，假设有 1000000 个分类，我使用第 107 行，因为它不太确定：
set.seed(123)
summary(as.factor(sample(c("setosa", "versicolor", "virginica"), size = 100000, replace = TRUE, prob = PROBS[107,])))
这导致
versicolor virginica
14731 85269
每次观察如何做
我的目标是 运行 使用新数据进行这样的模拟并获得以下结果：平均而言，每次模拟中每个物种中有多少朵花被分类（av_class_species）；以及每个物种的最小值和最大值是多少（min_class_species，max_class_species），例如我制作了这个假数据框（数据集中有 150 朵花）：
av_class_setosa max_class_setosa min_class_setosa av_class_versicolor...
24.4 35 12 30.2
任何帮助将不胜感激
找到了我自己的答案，虽然如果有人找到更有效的方法我会很高兴，但这是针对 运行 100 次模拟：
SIMUL <- list()
for(i in 1:100){
species <- list()
for(j in 1:nrow(PROBS)){
species[[j]] <- sample(c("setosa", "versicolor", "virginica"), size = 1, replace = TRUE, prob = PROBS[j,])
}
SIMUL[[i]] <- as.data.frame(table(unlist(species)))
}
SIMUL <- do.call("rbind", SIMUL)
SIMUL <- dplyr::group_by(SIMUL, Var1)
SIMUL <- dplyr::summarise(SIMUL, MEAN_class = mean(Freq), MIN_Class = min(Freq), MAX_Class = max(Freq))
这将导致：
SIMUL
Source: local data frame [3 x 4]
Var1 MEAN_class MIN_Class MAX_Class
(fctr) (dbl) (int) (int)
1 setosa 50.0 50 50
2 versicolor 49.7 47 53
3 virginica 50.3 47 53