r-caret

    0熱度

    1回答

    我有131個變量,其中我想要獲取建模的重要變量。我對所有變量運行決策樹,然後使用caret::varImp來計算變量的重要性,但輸出不合適。以下是我的代碼和輸出。 VarImpModel <- rpart(Final_Churn_Flag~.,data=InputData, method = 'class') varImp(VarImpModel) Overall Onnet

    0熱度

    1回答

    如何在caret中的createFolds交叉驗證函數中爲我的分析數據集創建一個變量fold? 例如使用下面的高校招生數據集: # Load data. mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv") folds <- createFolds(mydata$admit, k=5) # Create var

    1熱度

    1回答

    我使用caret程序包生成的SVM-RFE模型與交叉驗證數據(重複10次,重複10次)一起工作。我知道caret包在計算指標時與pROC包一起使用,但我需要使用ROCR包才能獲得平均ROC。但是,我注意到使用每個軟件包的平均AUC值不一樣,所以我不確定是否應該使用兩個軟件包。 我用來證明的代碼是: predictions_NG3<-list() labels_NG3<-list() optS

    3熱度

    1回答

    我試圖創建使用插入符與調網格 svmGrid <的模型 - expand.grid(C = C(0.0001,0.001 ,0.01,0.1,1,10,20,30,40,50,100)) ,然後再次與該網格的一個子集: svmGrid < - (0.0001 expand.grid(C = C, 0.001,0.01,0.1,1,10,20,30,40,50)) 問題是我得到不同儘管爲第一個調諧網

    4熱度

    1回答

    我有一個虛擬變量的數據框,我想用作glmnet的訓練集。 由於我正在使用glmnet我想使用插入符號train函數中的preProcess選項居中和縮放功能。我不希望這種轉換也適用於虛擬變量。 有沒有辦法阻止這些變量的轉換?

    5熱度

    3回答

    我訓練了一個隨機森林使用caret + ranger。 fit <- train( y ~ x1 + x2 ,data = total_set ,method = "ranger" ,trControl = trainControl(method="cv", number = 5, allowParallel = TRUE, verbose = TRUE)

    2熱度

    1回答

    我目前正在使用'randomForest'包處理捕獲模型。 裝修我的模型如下 rf <- foreach(ntree=rep(10, 3), .combine= combine, .packages='randomForest') %dopar% { randomForest(bou~.,data=train, trees=50, importance=TRUE)} 當使用從「插入符號」一攬

    1熱度

    1回答

    我正在使用glmnet包執行LASSO迴歸。我現在正在使用插入程序包研究功能重要性。我不明白的是重要性的價值。任何人都可以啓發我嗎?是否有任何公式可以計算這些值,或者這是否意味着這些值是基於beta值的? ROC curve variable importance only 7 most important variables shown (out of 25)

    2熱度

    1回答

    我想在插入符號庫的train()後顯示混淆矩陣,但我有一些疑問。 「火車()」應該在火車上嗎?(我不確定是否因爲「控制」參數)。測試集中的「預測()」?這似乎不可思議,預測在整個數據集... # df_corpus = Document Term Matrix + 1 column of Cos.code(class which are 203.2.2, 204.3.2 ...) dataset

    1熱度

    1回答

    在過去的幾天裏我開始熟悉R(我來自MATLAB和Python)。我想嘗試插入符包(相當真棒),我不斷收到以下錯誤消息時,我嘗試用LOOCV訓練現在 Error in `[.data.frame`(tuneAcc, , params, drop = FALSE) : undefined columns selected ,一開始我還以爲「好,我做錯了什麼這裏」。但後來我用的代碼從htt