rpart决策树模型中的精确概率预测

在rpart决策树模型中，如何计算96%或43%的准确概率，而不是0或1。 我试过了 预测（模型、数据，type=“prob”）

---

但是在创建

rpart

对象的过程中，它会预测0或1，您必须在参数中指定

method=“class”

，以确保分类。一旦你用

type=“prob”

@Nazia Afreen做了预测，你的预测方法就会给出概率-下面是R脚本，希望这会有所帮助

library(rpart)
model <- rpart(dependent_class_variable ~ independent var1 + var 2 + .., data = "your train data", method = "class")

## to get the probabilities of each record
probilities_ <- predict(model, "your test data without quotes", type = "prob")

## it will yield two probabilities, probability of getting class 1, and 
## probability of getting class 2, if you have two class. Sum of both = 1##

库（rpart）
模型a可能会有所帮助。默认的rpart预测是分类概率。我已经尝试过，它给我的概率是0或1。我试图做的是找到实际的概率，如.97或。80@NaziaAfreen也许你的数据实际产生的结果是0或1作为概率，也就是说，你有一个完美的适合，没有误报的机会。如果您正确地执行了上述步骤，那么您应该得到正确的概率。