0

以下是一个可重现的示例，基本上我想做的是创建五个估算数据集，然后使用插入符号中的训练函数将 SVM 应用于每个估算数据集，然后使用 caretEnsemble 集成生成的训练模型。最后，我使用集成模型预测每个测试集。

但是，我收到此错误

check_bestpreds_obs(modelLibrary) 中的错误：
每个组件模型的观察值不同。请重新训练具有相同 Y 变量的模型

有什么方法可以帮助我整合不同的训练模型吗？

任何帮助都非常感谢。

    library(mice)
    library(e1071)
    library(caret)
    library("caretEnsemble")

data <- iris
#Generate 10% missing values at Random 
iris.mis <- prodNA(iris, noNA = 0.1)
#remove categorical variables
iris.mis <- subset(iris.mis, select = -c(Species))

# 5 Imputation using mice pmm

imp <- mice(iris.mis, m=5, maxit = 10, method = 'pmm', seed = 500)

# save 5 imputed dataset.
x1 <- complete(imp, action = 1, include = FALSE)
x2 <- complete(imp, action = 2, include = FALSE)
x3 <- complete(imp, action = 3, include = FALSE)
x4 <- complete(imp, action = 4, include = FALSE)
x5 <- complete(imp, action = 5, include = FALSE)

## Apply the following method for each imputed set 

form <- iris$Sepal.Width # target column
n <- nrow(x1)  # since all data sample are the same length
prop <- n%/%fold
set.seed(7)
newseq <- rank(runif(n))
k <- as.factor((newseq - 1)%/%prop + 1)
CVfolds <- 10


CVrepeats <- 3
  indexPreds <- createMultiFolds(x1[k != i,]$Sepal.Width, CVfolds, CVrepeats)
  ctrl <- trainControl(method = "repeatedcv", repeats = CVrepeats,number = CVfolds, returnResamp = "all", savePredictions = "all", index = indexPreds)




fit1 <- train(Sepal.Width ~., data = x1[k !=i, ],method='svmLinear2',trControl = ctrl)
fit2 <- train(Sepal.Width ~., data = x2[k != i, ],method='svmLinear2',trControl = ctrl)
fit3 <- train(Sepal.Width ~., data = x3[k != i, ],method='svmLinear2',trControl = ctrl)
fit4 <- train(Sepal.Width ~., data = x4[k != i, ],method='svmLinear2',trControl = ctrl)
fit5 <- train(Sepal.Width ~., data = x5[k != i, ],method='svmLinear2',trControl = ctrl)




#combine the created model to a list
      svm.fit <- list(svmLinear1 = fit1, svmLinear2 = fit2, svmLinear3 = fit3, svmLinear4 = fit4, svmLinear5 = fit5)

  # convert the list to cartlist
  class(svm.fit) <- "caretList" 

  #create the ensemble where the error occur.
  svm.all <- caretEnsemble(svm.fit,method='svmLinear2')
4

1 回答 1

0

你必须简化你的例子。移动部件太多，不需要循环来获取错误。内部 caretEnsemble 控件之一正在引发此错误，但消息定义不明确。

话虽这么说，caretList 需要有一个指定的trainControl对象，您可以在每个火车模型中使用它。否则，每个模型的重采样将不同，您将收到错误：

“组件模型没有相同的重采样策略”

下一个问题是您对每个火车对象使用不同的数据集。CaretEnsemble 旨在与相同的训练数据集一起使用。您的 x1 到 x5 都是不同的，即使它们具有相同的基础。这将导致错误：

“每个组件模型的观察值不一样。请重新训练具有相同 Y 变量的模型”

最后，如果您想model.list从单独训练的模型中构建一个，只需使用c(model1, model2). 见文档c.train

于 2016-11-25T15:36:58.570 回答