如何获得预测类而不是类概率?

我训练了一个随机森林使用 caret 用于预测二进制分类任务的包。

library(caret)
set.seed(78)
inTrain <- createDataPartition(disambdata$Response, p=3/4, list = FALSE)
trainSet <- disambdata[inTrain,]
testSet <- disambdata[-inTrain,]
ctrl <- trainControl(method = "repeatedcv", number = 10, repeats = 10)
grid_rf <- expand.grid(.mtry = c(3,5,7,9))
set.seed(78)
m_rf <- train(Response ~ ., data=trainSet, 
          method= "rf", metric = "Kappa", trcontrol=ctrl, tuneGrid = grid_rf)

这个 Response 变量包含值{ Valid , Invalid }. 使用以下方法,我得到了测试数据的类概率:

pred <- predict.train(m_rf, newdata = testSet, 
                  type="prob", models=m_rf$finalModel)

然而 我对获得预测班级感兴趣 即 有效的 或 无效的 而不是类概率 到 生成混淆矩阵 .

我已经试过了 type="raw" 在中 predict.train NAs .