R 平均套袋树的预测概率

使用package Crattle.data中的天气数据，我尝试为袋装树分类编写脚本，其中RainTomorning是目标列，如下所示

if(!require(rpart)) install.packages("rpart") 
if(!require(rpart.plot)) install.packages("rpart.plot") 
if(!require(caret)) install.packages("caret") 
if(!require(rattle.data)) install.packages("rattle.data") 
if(!require(tidyverse)) install.packages("tidyverse") 
if(!require(ipred)) install.packages("ipred") 
if(!require(Metrics)) install.packages("Metrics") 
library(rpart)
library(rpart.plot)
library(rattle.data)
library(tidyverse)
library(caret)
library(ipred)
library(Metrics)

set.seed(500)

data <- weather

# cleaning data
data <-
  data %>%
  mutate(month = months(Date)) %>% 
  select(-Date, -Location, -RISK_MM) %>% 
  mutate(RainTomorrow = as.factor(ifelse(RainTomorrow == "No", 0, 1))) %>% 
  na.omit()

# creating train and test data
index <- createDataPartition(data$RainTomorrow, p = .6, list = FALSE)
train_data <- data[ index, ]
test_data <- data[-index, ]

# creating models

bagged_tree <- bagging(formula = RainTomorrow ~ ., 
                        data = train_data,
                        coob = TRUE)

pred_bagg_class <- predict(object = bagged_tree ,    
                            newdata = test_data,  
                            type = "class") 

# predictions on the test set
pred_bagg <- predict(object = bagged_tree,
                newdata = test_data,
                type = "prob")

if（！require（rpart））安装程序包（“rpart”）
如果（！require（rpart.plot））安装程序包（“rpart.plot”）
如果（！require（插入符号））安装程序包（“插入符号”）
如果（！require（flatter.data））安装程序包（“flatter.data”）
如果（！require（tidyverse））安装.packages（“tidyverse”）
如果（！require（ipred））安装.packages（“ipred”）
如果（！require（Metrics））安装.packages（“Metrics”）
图书馆（rpart）
库（rpart.plot）
图书馆（嘎嘎声、数据）
图书馆（tidyverse）
图书馆（插入符号）
图书馆（ipred）
图书馆（指标）
种子集（500）
数据%
选择（-Date，-Location，-RISK_MM）%>%
突变（RainTomory=as.factor（ifelse（RainTomory==“No”，0，1）））%>%
na.省略（）
#创建列车和测试数据
索引所以，如果你需要找到所有预测值的平均值，那么你可能需要：

df <- as.data.frame(as.numeric(pred_bagg_class) - 1)
df <- cbind(df, pred_bagg)
df$pred_mean <- rowMeans(df)

但是，如果您在
pred_bag
上使用
rowmeaks
，那么您将始终得到0.5，因为
pred_bag
具有每类目标变量的单独概率，每行加起来等于1，如果您取平均值，每次每行0.5。
我严重怀疑这段代码是否可以剪切粘贴到会话中并运行。建议您包括必要的库调用和设置代码。啊，是的，我的坏，包括所有必要的（和不必要的）软件包。非常感谢。
 df
    as.numeric(pred_bagg_class) - 1    0    1 pred_mean
1                                 0 0.76 0.24 0.3333333
2                                 0 0.72 0.28 0.3333333
3                                 0 1.00 0.00 0.3333333
4                                 0 1.00 0.00 0.3333333
5                                 0 0.96 0.04 0.3333333
6                                 0 0.96 0.04 0.3333333
7                                 1 0.28 0.72 0.6666667
8                                 0 0.76 0.24 0.3333333
9                                 0 0.56 0.44 0.3333333
10                                0 0.84 0.16 0.3333333
11                                1 0.24 0.76 0.6666667