Ich lief cv.glmnet
mit einer Poisson-Verteilung für ein binäres Ergebnis. Die predict
-Funktion gibt vorhergesagte Wahrscheinlichkeiten zurück, aber keine vorhergesagten Klassen. Wie konvertiere ich die Wahrscheinlichkeiten in Klassen, damit ich eine confusionMatrix
generieren kann, um AUC usw. zu bestimmen? NB. Mindestens eine vorhergesagte Wahrscheinlichkeit ist> 1.Glmnet: Berechne vorhergesagte Wahrscheinlichkeiten in vorhergesagte Klassen
cv <- cv.glmnet(deriv.x, deriv.y, foldid = foldid, weights = wts, family = "poisson")
pred <- predict.cv.glmnet(cv, newx = valid.x, s = "lambda.min", "response")
confusionMatrix(pred, valid.y)
Error in confusionMatrix.default(pred, valid.y) :
the data cannot have more levels than the reference
überprüfen [this] (https://stats.stackexchange.com/questions/38004/poisson-regression-for-binary-data) um zu sehen, warum es eine schlechte Idee ist, Poisson-Regression für Binärdaten zu verwenden – missuse