library(RSSL)set.seed(1)df <- generateSlicedCookie(1000,expected=FALSE) %>% add_missinglabels_mar(Class~.,0.98)df_test <- generateSlicedCookie(1000,expected=FALSE)class_lr <- LogisticRegression(Class~.,df,lambda = 0.01)class_lr_self <- SelfLearning(Class~., df, method=LogisticRegression)这里，class_lr是一个逻辑回归模型。为了获取它的预测概率，我可以调用（感谢这个帖子的回答）：
log(posterior(class_lr, df_test))第二个模型，class_lr_self是一个带有自学习包装器的逻辑回归模型。有没有办法输出class_lr_self的预测概率？
运行predict(class_lr_self, newdata = df_test)只会给我标签。
我尝试了以下方法，但对于SelfLearning没有posterior方法，而LogisticRegression有。
> log(posterior(class_lr_self, df_test))Error in (function (classes, fdef, mtable) : unable to find an inherited method for function ‘posterior’ for signature ‘"SelfLearning"’回答：
如果查看这里，这个类没有相应的方法：
setMethod("predict", signature(object="SelfLearning"), function(object,newdata,...) { ModelVariables <- PreProcessingPredict(object@modelform,newdata,y=NULL,scaling=object@scaling,intercept=FALSE,classnames=object@classnames) X<-ModelVariables$X return(predict(object@model,X,...))}
我们只需要一个新的函数来返回后验概率：
func = function(object,newdata,...) { ModelVariables <- PreProcessingPredict(object@modelform,newdata,y=NULL,scaling=object@scaling,intercept=FALSE,classnames=object@classnames) X<-ModelVariables$X return(posterior(object@model,X,...))}然后你可以这样做：
log(func(class_lr_self, df_test))或者你可以为此设置一个后验概率方法：
setMethod("posterior", signature(object="SelfLearning"), function(object,newdata,...) { ModelVariables <- PreProcessingPredict(object@modelform,newdata,y=NULL,scaling=object@scaling,intercept=FALSE,classnames=object@classnames) X<-ModelVariables$X return(posterior(object@model,X,...))})log(posterior(class_lr_self, df_test))