Plot ketergantungan parsial, GBM multinomial

Question

Saya menggunakan paket gbm untuk membuat model peningkatan gradien dengan keluarga multinomial. Saya memiliki masalah dalam merencanakan dan menafsirkan plot ketergantungan parsial dengan model jenis ini.

sebuah contoh:

library(gbm)
data(iris)
GBM.model = gbm(Species ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width, data = iris,distribution = "multinomial")
plot.gbm(GBM.model, "Petal.Length")

Saya mendapatkan plot berikut:

Bisakah Anda membantu saya memperbaiki plot dan menafsirkannya? Saya pikir itu harus memiliki baris untuk setiap kategori variabel respon tapi saya tidak yakin. Apakah ada cara lain untuk mendapatkan plot ketergantungan parsial untuk model gbm multinomial? Saya sangat menghargai bantuan apa pun dalam hal ini

Answer 1

Saya pikir perlu disebutkan di sini bahwa saat ini (Sep 2020) gbmperingatan yang jelas:Setting 'distribution = "multinomial"' is ill-advised as it is currently broken. It exists only for backwards compatibility. Use at your own risk.

Bagaimanapun, kita bisa mendapatkan plot ketergantungan parsial melalui paket pdp. Sebagai contoh: partial(GBM.model, "Petal.Length", n.trees=100, which.class = 2, plot = TRUE, prob = TRUE)). Harap perhatikan which.classargumennya. Jika kita tidak mensupply maka kita dapatkan hanya untuk class 1 ( setosa).

Sejauh itu, berdasarkan grafik yang telah Anda lampirkan, kami dapat memberi tahu Anda apa yang terjadi (salah) dengan gbm.plot. Fungsi tersebut tampaknya telah memplot ketiga plot dependensi parsial khusus kelas pada grafik yang sama dan telah menghubungkan akhir setiap PDP khusus kelas dengan awal PDP kelas berikutnya. Itulah mengapa kita memiliki garis-garis lurus yang panjang ini dari (7, -10) ke (1,0) dan kemudian dari (-7, -2) ke (-3,1); kami menghubungkan PDP. Terakhir, perlu diketahui bahwa ketika memplot PDP untuk klasifikasi, biasanya lebih informatif untuk memplot PDP pada skala probabilitas (yaitu respons). Skala (-10,10) dari sumbu y sesuai dengan nilai pada skala logistik dan meskipun informatif kurang jelas apa dampaknya pada klasifikasi akhir.