我正在阅读R中的predict()并感到困惑:
有一个数据集Spam,我们使用随机抽样从中创建了一个列车数据和测试数据 . 我们使用了trainSpam(训练数据集来训练系统) . 我们希望通过测试测试数据集(testSpam)来了解模型的优异程度 .
predictionModel = glm(numType ~ charDollar, family = "binomial", data = trainSpam)
predictionTest = predict(predictionModel, testSpam)
predictedSpam = rep("nonspam", dim(testSpam)[1])
predictedSpam[predictionModel$fitted > 0.5] = "spam" #Here is my problem
table(predictedSpam, testSpam$type)
在我们说的行:
predictedSpam[predictionModel$fitted > 0.5] = "spam"
predictionModel$fitted 如何预测测试数据中的垃圾邮件 . 它似乎使用了训练数据中的predictionModel $ . 然后我们继续比较测试数据的垃圾邮件 . 谁能解释一下?
这是我的理解 . 在线:
predictionModel = glm(numType~charDollar,family =“binomial”,data = trainSpam)
我们使用trainSpam数据创建模型 .
在下一行:
predictionTest = predict(predictionModel,testSpam)
我们使用相同的模型但测试数据创建predictionTest .
在下一行:
predictSpam = rep(“nonspam”,dim(testSpam)[1])
我们创建了一个所有值为“nonspam”的向量
在下一行:
predictSpam [predictionModel $ fit> 0.5] =“垃圾邮件”
我们正在使用predictModel $ fitting,它已经安装在训练数据上,以决定哪些行被归类为垃圾邮件 . 我们不应该使用像PredictionTest这样的东西来识别垃圾邮件吗?
我对它应该是什么的想法是:
> predictionModel = glm(numType ~ charDollar, family = "binomial", data = trainSpam)
> predictionTest = predict(predictionModel, testSpam,type="response")
> predictedSpam = rep("nonspam", dim(testSpam)[1])
> predictedSpam[predictionTest > 0.5] = "spam"
> table(predictedSpam, testSpam$type)