Ошибки при запуске пакета Caret в R

Question

Я пытаюсь построить модель, чтобы предсказать, будет ли продукт продаваться на веб-сайте электронной торговли с 1 или 0, являющимся результатом.

Мои данные представляют собой несколько категориальных переменных: один с большим количеством уровней, пару двоичных и один непрерывный (цена) с выходной переменной 1 или 0, независимо от того, продан ли товар ,

Это мой код:

inTrainingset<-createDataPartition(C$Sale, p=.75, list=FALSE) 
CTrain<-C[inTrainingset,] 
CTest<-C[-inTrainingset,] 


gbmfit<-gbm(Sale~., data=C,distribution="bernoulli",n.trees=5,interaction.depth=7,shrinkage=  .01,) 
plot(gbmfit) 


gbmTune<-train(Sale~.,data=CTrain, method="gbm") 


ctrl<-trainControl(method="repeatedcv",repeats=5) 
gbmTune<-train(Sale~.,data=CTrain, 
      method="gbm", 
      verbose=FALSE, 
      trControl=ctrl) 


ctrl<-trainControl(method="repeatedcv", repeats=5, classProbs=TRUE, summaryFunction = twoClassSummary) 
gbmTune<-trainControl(Sale~., data=CTrain, 
        method="gbm", 
        metric="ROC", 
        verbose=FALSE , 
        trControl=ctrl) 



    grid<-expand.grid(.interaction.depth=seq(1,7, by=2), .n.trees=seq(100,300, by=50), .shrinkage=c(.01,.1)) 

    gbmTune<-train(Sale~., data=CTrain, 
      method="gbm", 
      metric="ROC", 
      tunegrid= grid, 
      verebose=FALSE, 
      trControl=ctrl) 



    set.seed(1) 
    gbmTune <- train(Sale~., data = CTrain, 
       method = "gbm", 
       metric = "ROC", 
       tuneGrid = grid, 
       verbose = FALSE, 
       trControl = ctrl) 

Я бегу в двух вопросах. Во-первых, когда я пытаюсь добавить summaryFunction = twoClasssummary, а затем настроить я получаю это:

Ошибка в trainControl (Продажа ~, данных = CTrain, метод = "GBM", метрический = "РПЦ",:. неиспользованными аргументы (данные = CTrain, метрика = «РПЦ», trControl = Ctrl)

вторая проблема, если я решу выполняется в обход summaryFunction, когда я пытаюсь запустить модель я получаю эту ошибку:

ошибка в evalSummaryFunction (y, wts = weight, ctrl = trControl, lev = classLevels,: Для использования кодов ROC для использования (() ROC требуется класс вероятности. См. параметр classProbs для trainControl() Кроме того: предупреждение: В train.default (х, у, вес = ш, ...): cannnot вычисления вероятности класса для регрессии

Я попытался изменить выходную переменную с числовым значением 1 или 0 , только текстовое значение, в excel, но это не изменило ситуацию.

Любая помощь будет принята с благодарностью за то, как исправить факт, что она интерпретирует эту модель как регрессию или первое сообщение об ошибке, с которым я сталкиваюсь.

Бест,

Will will@nubimetrics.com

Answer 1

Я был в состоянии воспроизвести вашу ошибку, используя data(GermanCredit) набор данных.

Ваша ошибка исходит от использования trainControl как если бы это gbm, train, или что-то в этом роде.

Если вы проверите соответствующую документацию по виньетке с помощью ?trainControl, вы увидите, что она ищет входные данные, которые сильно отличаются от того, что вы даете.

Это работает:

require(caret) 
require(gbm) 
data(GermanCredit) 

# Your dependent variable was Sale and it was binary 
# in place of Sale I will use the binary variable Telephone 

C  <- GermanCredit 
C$Sale <- GermanCredit$Telephone 

inTrainingset<-createDataPartition(C$Sale, p=.75, list=FALSE) 
CTrain<-C[inTrainingset,] 
CTest<-C[-inTrainingset,] 
set.seed(123) 
seeds <- vector(mode = "list", length = 51) 
for(i in 1:50) seeds[[i]] <- sample.int(1000, 22) 

gbmfit<-gbm(Sale~Age+ResidenceDuration, data=C, 
      distribution="bernoulli",n.trees=5,interaction.depth=7,shrinkage=  .01,) 
plot(gbmfit) 


gbmTune<-train(Sale~Age+ResidenceDuration,data=CTrain, method="gbm") 


ctrl<-trainControl(method="repeatedcv",repeats=5) 
gbmTune<-train(Sale~Age+ResidenceDuration,data=CTrain, 
       method="gbm", 
       verbose=FALSE, 
       trControl=ctrl) 


ctrl<-trainControl(method="repeatedcv", repeats=5, classProbs=TRUE, summaryFunction = twoClassSummary) 

# gbmTune<-trainControl(Sale~Age+ResidenceDuration, data=CTrain, 
#      method="gbm", 
#      metric="ROC", 
#      verbose=FALSE , 
#      trControl=ctrl) 

gbmTune <- trainControl(method = "adaptive_cv", 
         repeats = 5, 
         verboseIter = TRUE, 
         seeds = seeds) 

grid<-expand.grid(.interaction.depth=seq(1,7, by=2), .n.trees=seq(100,300, by=50), .shrinkage=c(.01,.1)) 

gbmTune<-train(Sale~Age+ResidenceDuration, data=CTrain, 
       method="gbm", 
       metric="ROC", 
       tunegrid= grid, 
       verebose=FALSE, 
       trControl=ctrl) 



set.seed(1) 
gbmTune <- train(Sale~Age+ResidenceDuration, data = CTrain, 
       method = "gbm", 
       metric = "ROC", 
       tuneGrid = grid, 
       verbose = FALSE, 
       trControl = ctrl) 

В зависимости от того, что вы пытаетесь достичь вы можете повторно указать, что немного по-другому, но все это сводится к тому, что вы использовали trainControl как будто это было train.

Answer 2

Ваш результат:

Sale = c(1L, 0L, 1L, 1L, 0L)) 

Хотя gbm ожидает его таким образом, это довольно неестественно способ кодирования данных. Почти каждая другая функция использует факторы.

Так что если вы дадите train числовые данные 0/1, он думает, что вы хотите сделать регрессию. Если вы преобразуете это в коэффициент и используете «0» и «1» в качестве уровней (и если вы хотите вероятности класса), вы должны увидеть предупреждение, в котором говорится: «По крайней мере, один из уровней класса не является допустимым именем переменных R ; Это может вызвать ошибки, если генерируются вероятности класса, потому что имена переменных будут преобразованы в ... ". Это не простое предупреждение.

Используйте уровни факторов, которые являются действительными именами переменных R, и вы должны быть в порядке.

Max