gbm

0熱度

2回答

我有超過400個功能的數據集，我用GBM使用H2O atop R進行估算。當我使用變量重要性函數（h2o.varimp）時，它只顯示我的頭部和尾部完整的排名變量列表。有沒有辦法讓整個列表顯示？

1熱度

1回答

我是新來的蘇打水和機器學習從蘇打水的GBM算法的結果，我已經建立了GBM模型用兩個數據集手動分爲訓練和測試。任務是使用所有數字屬性進行分類的（響應列轉換爲枚舉類型）。代碼在Scala中。建立個人樹木預測之前，列車數據之一，一個測試數據 - val gbmParams = new GBMParameters() gbmParams._train = train gbmPara

0熱度

1回答

error：value trainModel不是hex.tree.gbm.GBM的成員

當我嘗試添加水火花和使用GBM模型。包裝它時我收到了這個異常。這是我第一次用火花來運行H2O。我只是嘗試在我的火花應用中添加H2O庫並在H2O中使用GBM。

1熱度

1回答

column_offset在h2o.gbm

我使用H2O 3.10.4.1 我試圖用一些初步的預測從其他模式以適應GBM伯努利模型和我比開始預測越來越差可能性。我能夠使用泰坦尼克號數據重現它。我能夠使用R的gbm來做我想做的事。 R的gbm.fit要求在鏈路規模上有所偏移，該規模不受限制，可能是非常高或非常低的負值。然而，當我嘗試做相同的H2O GBM，它拋出一個錯誤：GBM模型參數非法（S）： water.exceptions.H2O

0熱度

1回答

BRT：使用gbm.perspec爲交互圖添加漸變顏色

我想在我的三維依賴圖中添加顏色漸變色，後面是擬合值（例如較高的擬合值較暗的顏色，較低的擬合值較淺的顏色）。我已經使用在dismo套餐贈送的例子： library(dismo) data(Anguilla_train) angaus.tc5.lr01 <- gbm.step(data=Anguilla_train, gbm.x = 3:13, gbm.y = 2, family = "ber

1熱度

1回答

在h2o中指定案例權重以在開發數據上構建gbm創建過度配置？

我正在使用h2o構建gbm模型。培訓數據隨機分爲70％的開發數據和30％的及時驗證數據。訓練數據有1.4％的不良率，我還需要爲每個觀察分配權重（數據有一個權重欄）。觀察結果是：與無重量建模的模型（VAL）相比，使用重量建立的模型在開發數據（DEV）上具有更高的性能。使用重量建模的模型在開發和實時驗證數據之間有很大的性能差異。例如，模型建立與重示出了以下前10％的捕獲率 DEV：56％驗證：25％

0熱度

1回答

xgboost poisson run中的nloglikelihood值後面的直覺

當我使用count:poisson而不是rmse時，我看到的值爲nloglikelihood。現在我不確定如何將這些數字與rmse或mae進行比較。肯定會更好的價值..但沒有得到實際的錯誤直覺，我們與rmse或湄獲得。例如 - >train-poisson-nloglik:2.01885 val-poisson-nloglik:2.02898 在這裏，我們可以說，實際值由2.02錯誤不同。有

0熱度

1回答

在GBM

減少錯誤我想知道ErrorReduction是如何在pretty.gbm.tree函數計算：https://github.com/gbm-developers/gbm3/blob/62c8dafd87b16fe1d2079cdd5058169f1f08967b/R/pretty-gbm-tree.r#L32 這篇文章對我幫助很大，但並沒有完全回答我的問題。 Understanding tree s

1熱度

1回答

如何在gbm函數中打印變量重要性？

我用gbm函數來實現梯度增強。我想分類。之後，我使用varImp（）函數在梯度增強建模中打印變量重要性。但是......只有4個變量具有非零重要性。我的大數據中有371個變量......是不是？這是我的代碼和結果。 >asd<-read.csv("bigdatafile.csv",header=TRUE) >asd1<-gbm(TARGET~.,n.trees=50,distributio

1熱度

1回答

如何計算GBM精度r

我使用gbm（）函數來創建模型，我想要得到精度。以下是我的代碼： df<-read.csv("http://freakonometrics.free.fr/german_credit.csv", header=TRUE) str(df) F=c(1,2,4,5,7,8,9,10,11,12,13,15,16,17,18,19,20,21) for(i in F) df[,i]=as.fa