gbm

    1熱度

    1回答

    無論我們選擇什麼方法('cv', 'OOB' or 'test'),我們選擇合適的gbm對象中樹的數量始終爲3*n.trees數據集iris 。 是因爲iris數據集有一個3級目標分類變量。 如果是與目標變量具有值A,B和C,爲所述第一樹,第二樹B,第三樹C和第四樹甲再次? 或者如果n.trees設置爲100,則前100棵樹用於A,第2 100棵樹用於B,最後100棵用於C? fit = gbm(

    0熱度

    1回答

    傳統GBM,我們可以使用 predict.gbm(模型,newsdata = ...,n.tree = ...) 這樣我可以比較不同的結果測試數據的樹數。 在h2o.gbm中,雖然它有n.tree來設置,但它似乎對結果沒有任何影響。這與默認模式完全相同: h2o.test.pred <- as.vector(h2o.predict(h2o.gbm.model, newdata=test.frame

    1熱度

    1回答

    如何獲得用固定n.trees計算的gbm的交互評估? 我想: data(Anguilla_train) angaus.fixed <- gbm.fixed(data=Anguilla_train, gbm.x = 3:13, gbm.y = 2,family = "bernoulli", tree.complexity = 5, learning.rate = 0.01, b

    0熱度

    1回答

    我目前正試圖建立一個堆疊模型使用caretEnsemble包,使用隨機森林和廣義推動模型作爲基礎模型。不過,我一直在運行caretEnsemble功能後,收到以下錯誤: Error in check_caretList_model_types(list_of_models) : Not yet implemented for multiclass problems 已經完成對這個問題的一些研

    0熱度

    1回答

    總新手到R - 我想從BRT中做出一些邊際圖,我用gbm包完成並且一直得到相同的錯誤。 以下是我的代碼; boosted.tree_LRFF是我從完成gbm.fit > plot.gbm(boosted.tree_LRFF, + i.var= 5, + n.trees = train.model$finalModel$tuneValue$n.trees, + continuous

    1熱度

    2回答

    通過運行命令, m <- h2o.getModel("depth_grid_model_4") h2o.varimp(m) 我能夠查看模型的性能,以及變量的重要性。 如何查看GBM模型的每棵樹中使用的分割? 感謝

    0熱度

    1回答

    我要使用xgb.train函數在R上執行xgboost。 爲了使用xgb.train函數,我知道必須將輸入數據轉換爲使用xgb.DMatrix函數。 但是,當我在我的數據SETM使用此功能我得到一個錯誤信息: Error in xgb.DMatrix(data = as.matrix(train)) : [09:01:01] amalgamation/../dmlc-core/src/i

    1熱度

    1回答

    我們遵循與迭代以下項目的文本分類過程: 創建Word2Vec字嵌入文本文檔模型。 做一個網格搜索和樹深度參數。 選擇執行得最好的最終GBM模型。 當我們遍歷列表時,CPU核心在%100負載下工作。是否有任何程序或解決方案使用H2O Deep Water GPU功能重複上述過程?

    0熱度

    1回答

    我需要快速幫助。我一直試圖簡單地應用GBM,但我面臨着一個我無法解決的錯誤。請幫忙。所使用的數據集可以在「https://www.kaggle.com/c/boston-housing/data」 代碼中找到: data1 <- read.csv("train.csv") data2 <- read.csv("test.csv") data2$medv<- NA GBM library(c

    0熱度

    2回答

    我想用h2o過度GBM(我知道這很奇怪,但我需要這個來說明一點)。所以我增加了我的樹MAX_DEPTH和收縮,以及殘疾停止標準: overfit <- h2o.gbm(y=response , training_frame = tapp.hex , ntrees = 100 , max_depth = 30 , learn_r