我運行gbm（）函數爲多個加性多項模型，每個模型有6個響應類別，每個類型在大型數據集上（每個模型約0.5-1 mio。行）。模型是這樣的（幾乎是默認值）。 gbm <-
gbm(Y ~ A + B + C + D + E + F,
data=data,
var.monotone=c(0,0,0,0,0,0),
distribution="multinomia
我在R中使用gbm包並應用'bernoulli'選項進行分配以構建分類器，並且我得到了'nan'的不尋常結果，而且我無法預測任何分類結果。但是當我使用'adaboost'時，我不會遇到同樣的錯誤。下面是示例代碼，我用虹膜數據集複製了相同的錯誤。 ## using the iris data for gbm
library(caret)
library(gbm)
data(iris)
Dat
我是新的python，我正在嘗試開發一個程序與梯度提升迴歸。 我有兩組大數據，一組訓練集和一組測試集，至少我有完全相同的列。我的目標是用訓練集的信息預測測試集的SeriousDlqin2yrs列。 這是我寫的程序： import numpy as np
import csv as csv
import pandas as pd
from sklearn import ensemble
fr
（例如，從Fatal error with train() in caret on Windows 7, R 3.0.2, caret 6.0-21借來的），以優化偏差 我有這樣的例子： library("AppliedPredictiveModeling")
library("caret")
data("AlzheimerDisease")
data <- data.frame(pred