1

我在 R 中做一堆模型如下：

ctrl <- trainControl(method="repeatedcv", number=5, repeats=3, returnResamp="final", savePredictions="final", classProbs=TRUE, selectionFunction="oneSE", verboseIter=TRUE)

models_stack <- caretStack(
  model_list,
  data=train_data,
  tuneLength=10,
  method="glmnet",
  metric="ROC",
  trControl=ctrl
)

1) 为什么我看到以下错误？我能做些什么？我现在被困住了。

Timing stopped at: 0.89 0.005 0.91
 Show Traceback
Error in (function (x, y, family = c("gaussian", "binomial", "poisson", : unused argument (data = list(c(-0.00891097103286995, 0.455282701499392, 0.278236211515583, 0.532932725880776, 0.511036607368827, 0.688757947257125, -0.560727863490874, -0.21768155316146, 0.642219917023467, 0.220363129901216, 0.591732278371339, 1.02850020403572, -1.02417799431585, 0.806359545011601, -1.21490317454699, -0.671361009441299, 0.927344615788642, -0.10449847318776, 0.595493217624868, -1.05586363903119, -0.138457794869817, -1.026253562838, -1.38264471633224, -1.32900800143341, 0.0383617314263342, -0.82222313323842, -0.644251885665736, -0.174126438952992, 0.323934240274895, -0.124613523895458, 0.299359713721601, -0.723599218327519, -0.156528054435544, -0.76193093842169, 0.863217455799044, -1.01340448660914, -0.314365383747751, 1.19150804114605, 0.314703439577839, 1.55580594654149, -0.582911462615421, -0.515291378382375, 0.305142268138296, 0.513989405541095, -1.85093305614114, 0.436468060668601, -2.18997828727424, 1.12838871469007, -1.17619542016998, -0.218175589380355

2）不应该有“数据”参数吗？如果我需要为我的 1 级主管模型使用不同的数据集，我能做什么？

3) 我也想使用 AUC/ROC 但遇到了这些错误

The metric "AUC" was not in the result set. Accuracy will be used instead.

和

The metric "ROC" was not in the result set. Accuracy will be used instead.

看到网上一些例子说ROC可以用，是不是因为不是这个型号的？除了该模型的准确性之外，我还可以使用哪些指标？如果我需要使用 ROC，还有哪些其他选项。

按照@RLave 的要求，这就是我的model_list 的完成方式

grid.xgboost <- expand.grid(.nrounds=c(40,50,60),.eta=c(0.2,0.3,0.4),                
.gamma=c(0,1),.max_depth=c(2,3,4),.colsample_bytree=c(0.8),                
.subsample=c(1),.min_child_weight=c(1))

grid.rf <- expand.grid(.mtry=3:6)

model_list <- caretList(y ~.,
                    data=train_data_0,
                    trControl=ctrl,
                    tuneList=list(
                      xgbTree=caretModelSpec(method="xgbTree", tuneGrid=grid.xgboost),
                      rf=caretModelSpec(method="rf", tuneGrid=grid.rf)
                    )
  )

我的 train_data_0 和 train_data 都来自同一个数据集。我的数据集预测器都是带有标签作为二进制标签的数值

4

1 回答 1

1

您的问题包含三个问题：

  1. 为什么我看到以下错误？我能做些什么？我现在被困住了。

caretStack不应该有data参数，它data是根据模型的预测生成的caretList。看看这个可重现的例子： 

library(caret)
library(caretEnsemble)
library(mlbench)

使用声纳数据集：

data(Sonar)

为 xgboost 的超参数调整创建网格：

grid.xgboost <- expand.grid(.nrounds = c(40, 50, 60),
                            .eta = c(0.2, 0.3, 0.4),                
                            .gamma = c(0, 1),
                            .max_depth = c(2, 3, 4),
                            .colsample_bytree = c(0.8),                
                            .subsample = c(1), 
                            .min_child_weight = c(1))

为射频调谐创建网格：

grid.rf <- expand.grid(.mtry = 3:6)

创建列车控制： 

ctrl <- trainControl(method="cv",
                     number=5,
                     returnResamp = "final",
                     savePredictions = "final",
                     classProbs = TRUE,
                     selectionFunction = "oneSE",
                     verboseIter = TRUE,
                     summaryFunction = twoClassSummary)

调整模型：

model_list <- caretList(Class ~.,
                        data = Sonar,
                        trControl = ctrl,
                        tuneList = list(
                          xgbTree = caretModelSpec(method="xgbTree",
                                                   tuneGrid = grid.xgboost),
                          rf = caretModelSpec(method = "rf",
                                              tuneGrid = grid.rf))
)

创建堆叠的合奏：

models_stack <- caretStack(
  model_list,
  tuneLength = 10,
  method ="glmnet",
  metric = "ROC",
  trControl = ctrl
)

2）不应该有“数据”参数吗？如果我需要为我的 1 级主管模型使用不同的数据集，我能做什么？

caretStack只需要来自基本模型的预测，为了创建一个在不同数据上训练的模型集合，您必须在此处创建一个caretList具有适当data指定的新模型。

3) 我也想使用 AUC/ROC 但遇到了这些错误

使用 AUC 作为度量的最简单方法是设置summaryFunction = twoClassSummary： trainControl

于 2018-10-17T13:31:45.513 回答