r-caret

    0熱度

    1回答

    是否有人可以幫助我瞭解createDataPartition實際應用列表,插入符包 按文檔, 邏輯 - 要的結果是在一個列表(TRUE)或矩陣的行數等於floor(p * length(y))和時間列。

    0熱度

    1回答

    我正在處理text2vec程序包和caret的文本分類問題。在使用caret構建不同的模型之前,我使用text2vec來構建文檔項矩陣。目標是使用標記的訓練數據來識別兩個字符串之間的字符串相似性。 然而,培養了線性SVM模型時,得到了一個數警告消息,摘錄如下: 警告消息:1:在svm.default(X = as.matrix(X)中,Y =',核心=「線性」,...: 變量'流感'和 'peri

    0熱度

    1回答

    我試圖使用脫字號包對經濟數據進行預測。有沒有什麼方法可以預測未來幾年的價值? library(mlbench) library(caret) library(pROC) library(caTools) library(ROCR) myTimeControl <- trainControl( method = "timeslice", initialWindow = 36,

    0熱度

    1回答

    有關更多上下文,請參閱question listed here。 我試圖使用text2vec構建的文檔術語矩陣來訓練使用caret包的樸素貝葉斯(nb)模型。但是,我得到這樣的警告消息: 警告消息: 在的eval(XPR,ENVIR = ENVIR): 模型擬合失敗Fold01.Rep1:usekernel = FALSE,FL = 0,調整= 1個錯誤NaiveBayes.default(X,Y

    1熱度

    2回答

    我試圖在R中創建插入符號包中的預測模型,並調用對來自終端/ cmd的新數據的預測。這裏是重複的例子: # Sonar_training.R ## learning and saving model library(caret) library(mlbench) data(Sonar) set.seed(107) inTrain <- createDataPartition(y

    0熱度

    1回答

    我使用scikit-learn和caret獲得了相同的輸入數據,獲得了截然不同的F1分數。以下是我如何爲每個模型運行GBM模型。 scikit學習(F1是默認的輸出) est = GradientBoostingClassifier(n_estimators = 4000, learning_rate = 0.1, max_depth = 5, max_features = 'log2', ran

    2熱度

    2回答

    我正在測試大多數模式中的caret支持一堆PC上。不幸的是,caret「建議」軟件包不包括可用於處理的大部分模型軟件包。每當新版本的R出現時,我都必須坐在每臺PC的前面,等待每個提示按下1按鈕和Enter。有沒有一種選擇可以讓R或Rstudio安裝任何需要的東西? A也適用於每個/ s/n提示。 list.of.packages <- c("caretEnsemble","logicFS"," R

    1熱度

    1回答

    我確實使用包klaR將樸素貝葉斯應用於玩具數據集,並且一切正常。 接下來,我想用method="nb"caret,這確實是只有在klaR包NaiveBayes函數的包裝來複制相同的分析。 但是,後者的估計不起作用。我收到一條錯誤消息。 Error in NaiveBayes.default(x, y, usekernel = FALSE, fL = param$fL, ...) : Ze

    0熱度

    3回答

    我想爲插入火車功能忽略輸入值列表。到目前爲止,我可以做到這一點,它的工作原理,但是,它必須完成列車功能。 例子: LabCa_R1_Fit <- train(LabCa ~ . -EV1 -kgpm -Fe ,...) 的-EV1 -kgpm -Fe被我刪除的值,但是,我想它的形式: list <- c(-EV1, -kgpm, -Fe) LabCa_R1_Fit <- train (Lab

    2熱度

    1回答

    我有一個加權因子的線性模型,用於對最近的觀察值進行加權。權重使用調整參數,我想使用調整網格進行優化。一個簡單的例子是以下: require(data.table) require(caret) SMOOTHING_PARAMETER <- 0.2 dt <- data.table(y = rnorm(10), x = rnorm(10)) model <- train(y