gbm

    0熱度

    2回答

    我現在用的GBM包廣義提振迴歸模型, 並希望能夠提取 存儲在數據庫中產生的係數。 我已經使用R鍵自動生成公式,我可以 導出到一個數據庫和存儲。舉例來說,我一直在使用 哈勒爾博士的LRM包進行迴歸,例如: output <- lrm(outcome~predictor1+predictor2,data=dataset) cat(output$coefficients) 是否有可能與GBM做到這

    9熱度

    2回答

    我正在嘗試用於預測的XGBoost技術。由於我的因變量是連續的,我正在使用XGBoost進行迴歸,但大多數可用於各種門戶的參考都是用於分類的。雖然我知道通過使用 objective = "reg:linear" 我們可以做迴歸,但仍然需要一些其他參數的清晰度。如果有人能爲我提供一個R代碼段,這將是一個很大的幫助。

    9熱度

    1回答

    我的回答是一個分類變量(一些字母),所以我在製作模型時使用了distribution ='multinomial',現在我想要預測回答並根據這些字母獲得輸出,而不是概率矩陣。 但是,在predict(model, newdata, type='response')中,其概率與type='link'的結果相同。 有沒有辦法獲得分類輸出? BST = gbm(V1~.,data=training,di

    16熱度

    2回答

    我在R(gbm包)中使用gbm函數來擬合多類分類的隨機梯度提升模型。我只是試圖獲得每個類別的每個預測變量分別爲的重要性,例如從Hastie book(第382頁)的圖片中獲得。 然而,功能summary.gbm只返回預測的整體重要性(其重要性平均超過所有類)。 有誰知道如何獲得相對重要性值?

    6熱度

    3回答

    我一直在使用gbm到插入符號沒有問題,但是當從我的數據框中刪除一些變量時,它開始失敗。我已經嘗試過提到的軟件包的github和cran版本。 這是錯誤: > fitRF = train(my_data[trainIndex,vars_for_clust], clusterAssignment[trainIndex], method = "gbm", verbose=T) Something is

    1熱度

    1回答

    我有一個編碼以優化並行處理(希望)的工作函數。我仍然不是最精通R,尤其是功能和迭代。 我希望有人能夠幫助我優化我編寫的函數以及額外的代碼,以幫助計算時間並全面優化並行處理選項。 具體使用%do% vs %dopar%並將附加代碼和並行處理功能移動到函數內部。我似乎無法使%dopar%正常工作,但我不確定這是否與我的代碼,R版本或衝突庫有關。 我會非常感謝關於可能的方式,以更有效的方式獲得相同的結果

    3熱度

    1回答

    嗨,我的名字是Abhi,我正在使用插入符號來構建基於gbm樹的模型。但是不是準確,我想用ROC作爲我的指標 這裏是我的代碼到目前爲止 myTuneGrid <- expand.grid(n.trees = 500,interaction.depth = 11,shrinkage = 0.1) fitControl <- trainControl(method = "repeatedcv", nu

    3熱度

    1回答

    有沒有一種標準(或可用)的方式在R中導出gbm模型? PMML會的工作,但是當II嘗試使用PMML庫,可能是錯誤的,我得到一個錯誤: 例如,我的代碼看起來與此類似: library("gbm") library("pmml") model <- gbm( formula, data = my.data, distribution = "ada

    1熱度

    1回答

    我正在使用插入程序包運行gbm模型,並嘗試使用doredis程序包的並行處理工作。我可以讓所有後端工作人員都運行起來,但是當他們重新組合成最終模型時遇到了問題。我收到此錯誤: Error in foreach(j = 1:12, .combine = sum, .multicombine = TRUE) %dopar% : target of assignment expands to

    0熱度

    1回答

    在我看來,我發現了在R的Caret包中的method = gbm的predict()函數的性能問題中的一個錯誤。我很想知道其他人是否同意,或者如果某人有解釋這個函數的行爲。 1.生成數據 library(caret) x1 <- rnorm(100) x2 <- rnorm(100, 2) y <- x1 + x2 + rnorm(100) df <- data.frame(x1=