r-caret

    0热度

    1回答

    我想重复的代码下面几行: x.mat <- as.matrix(train.df[,predictors]) y.class <- train.df$Response cv.lasso.fit <- cv.glmnet(x = x.mat, y = y.class, family = "binomial", alpha = 1, nfolds = 10) ...与插

    0热度

    1回答

    类似的question已关闭,接受的解决方案是检查程序包符号是否已正确安装。按照解决方案中的指示,我检查了是否安装并正确加载了包装caret。我已经重新加载了该软件包,并在当前会话中可用。使用train(...)以下行是生产的错误: model <- train( price ~ ., diamonds, method = "lm", trControl = trainControl(

    1热度

    1回答

    rpart包参数可以通过getModelInfo getModelInfo("rpart")[[1]]$grid function(x, y, len = NULL, search = "grid"){ dat <- if(is.data.frame(x)) x else as.data.frame(x) dat$.outcome <- y

    0热度

    1回答

    我想按照插入符号包的rfe的方法对我的随机福雷斯特模型进行特征选择。由于我的数据集只包含大约100个标记的样本,而且它非常不平衡(这反映了真实生活的平衡),所以我需要/想要进行分层交叉验证。但是,我没有找到关于分层交叉验证的rfeControl函数的任何文档。 是否有人知道,如果我使用 ctrl <- rfeControl(functions = rfFuncs, method =

    1热度

    1回答

    我正在使用R的脱字符包实现adaboost技术。但是我在执行时遇到错误。 > str(my_data) 'data.frame': 3885 obs. of 10 variables: $ Date : Factor w/ 12 levels "0","1","2","3",..: 3 3 3 3 3 3 3 3 3 3 ... $ JAPAN : int 0 1 0 0 0 0 1 1 0

    1热度

    1回答

    我想通过使用caret软件包进行交叉验证后,从我的二进制分类器获得曲线下面积(AUC)。 对于标准混淆矩阵,我使用caret::confusionMatrix中的average参数。 例子: controls = trainControl(method="repeatedcv" , number=5 , repeats=10 , selecti

    0热度

    1回答

    我有一个简单的代码,它使用rfe在我的数据的不同时间段执行特征选择。我用下面的rfeControl和rfe函数调用: control <- rfeControl(functions=rfFuncs, method="cv", number=10) results <- rfe(feature_selection_data , feature_selection_target$va

    1热度

    1回答

    我试图在我的数据上运行各种类型的featureplot(部分脱字符库)以便可视化/理解分布。但是,当我尝试运行许多命令时,结果为NULL。 > featurePlot(x=feat, y=lab, plot="density") NULL 其中,feat是我的特征(所有数字)的矩阵,并且是一个标签(数字)的二进制列。我已经能够成功使用“对”命令,但出于某种原因无法使用“椭圆”或“密度”。有其

    0热度

    1回答

    也许有点类似于this question,似乎SparkR数据框与插入程序包不兼容。 当我尝试训练我的模型,我得到以下错误: Error in as.data.frame.default(data) : cannot coerce class "structure("SparkDataFrame", package = "SparkR")" to a data.frame 有没有解决

    1热度

    1回答

    如何将参数传递给插入摘要函数? 例如,插入符号的twoClassSummary功能具有以下特征: twoClassSummary(数据,LEV = NULL,模型= NULL) 参数列弗specificies的因子水平我感兴趣的 现在我想告诉脱口说,我对因素级别“错误”的摘要感兴趣。类似于 trainControl(summary=twoClassSummary(lev="false")) 不