Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
在 R 中绘制决策树(插入符)
我已经训练了一个数据集rf方法 例如 ctrl lt trainControl method LGOCV repeats 3 savePred TRUE verboseIter TRUE preProcOptions list thresh
r
machinelearning
plot
Decisiontree
rcaret
Caret 和 GBM:任务 1 失败 - “参数意味着行数不同”
我正在尝试使用以下代码运行带插入符号的 GBM library caret library doParallel detectCores registerDoParallel detectCores 1 set seed 668 in tr
r
crossvalidation
rcaret
使用插入符和方法 = gamLoess 进行训练时 R 崩溃
当我运行下面的代码时 R 崩溃了 如果我在训练调用中注释掉tuneGrid行 就不会发生崩溃 我已经用另一个数据集尝试过此操作 但仍然使 R 崩溃 崩溃消息是 R 会话中止 R遇到致命错误 会话被终止 开始新会话 代码是 library s
r
rcaret
gam
parallelforeach
绘制由 R 中的 caret 包训练的 SVM 线性模型
Purpose 我试图通过可视化 SVM 线性分类模型plot 我正在使用中提供的示例代码和数据kernlab包注意到了caret实际上通过训练 svmksvm函数 参考这里的src代码 https github com topepo ca
r
plot
SVM
rcaret
kernlab
使用插入符号完全可重现的并行模型
当我在插入符中运行 2 个随机森林时 如果设置随机种子 我会得到完全相同的结果 library caret library doParallel set seed 42 myControl lt trainControl method cv
r
rcaret
reproducibleresearch
在应用 varImp 函数时使用带插入符号的 xgbTree 方法和目标变量的权重时出现非树模型错误
当我使用 Caret 包中的 train 函数创建模型以使用权重进行梯度提升时 在使用 varImp 函数时出现错误 表示它没有检测到树模型 但当我去掉重量时它就起作用了 下面的代码产生错误 set seed 123 model weigh
Tree
xgboost
rcaret
如何在 Caret 中绘制随机森林(护林员)树
我生成了如下所示的随机森林树 并尝试绘制它 但出现错误 我在哪里犯了错误 我怎样才能以正确的方式绘制它 Actmodel lt train Activity Section Author data CB1 method ranger trC
r
RandomForest
rcaret
r caret 包中的 train 函数的模型输出尺寸巨大
我正在使用 bagFDA 模型进行训练train r caret 包中的函数 并将模型输出保存为 Rdata 文件 输入文件大约有 300k 条记录 有 26 个变量 但输出 Rdata 大小为 3G 我只是运行以下命令 modelout
r
rcaret
trainingdata
无法在 R 中安装插入符号包(在我的 Linux 机器中)
我在尝试在 R 中安装插入符号包时遇到以下错误 g error tmp Rtmp2Tos7n R INSTALL2e6e30153a74 nloptr nlopt 2 4 2 lib libnlopt cxx a No such file
Linux
r
GNU
SUSE
rcaret
使用 Caret 包的测试集的 ROC 曲线
我正在尝试从测试集上的插入符号中获取最佳模型的 ROC 曲线 我碰到MLeval包似乎很方便 输出非常全面 使用几行代码提供了所有需要的指标和图表 一个很好的例子在这里 https stackoverflow com a 59134729
r
rcaret
ROC
带插入符的主成分分析
我正在使用 Caret 的 PCI 预处理 multinomFit lt train LoanStatus train method multinom std TRUE family binomial metric ROC thresh 0
r
PCA
rcaret
caret::train:为 mlpWeightDecay(RSNNS 包)指定更多非调整参数
我在使用插入符号包和 RSNNS 包中的 mlpWeightDecay 方法指定学习率时遇到问题 mlpWeightDecay 的调整参数是大小和衰减 将大小保持为 4 并在 c 0 0 0001 0 001 0 002 上调整衰减的示例
r
machinelearning
neuralnetwork
rcaret
使用插入符包通过controls = cforest_unbiased()运行cforest
我想使用插入符包运行一个公正的 cforest 这可能吗 tc lt trainControl method cv number f index indexList savePredictions T classProbs TRUE sum
r
RandomForest
rcaret
在集群上运行时插入符号中发生错误
我正在运行train函数于caret http cran r project org web packages caret index html在集群上通过doRedis http cran r project org web packag
r
machinelearning
clustercomputing
rcaret
rdoredis
在选定的数据范围内创建数据分区,将其输入到 caret::train 函数中以进行交叉验证
我想为下面的数据框创建折刀数据分区 这些分区将用于caret train 像caret groupKFold 产生 然而 问题是我想将测试点限制为超过 16 天 同时使用这些数据的其余部分作为训练集 df lt data frame Eff
r
crossvalidation
rcaret
datapartitioning
R - 安装插入符号包时出错
gt Error in loadNamespace j lt i 1L c lib loc libPaths gt versionCheck vI j namespace pbkrtest 0 4 2 is being gt loaded
package
rcaret
在 R 中安装插入符包时出现依赖问题
我正在尝试安装 R 包caret 这给了我ERROR dependencies ggplot2 reshape2 BradleyTerry2 are not available for package caret 我尝试单独安装其中的每一个
r
rcaret
R:glmnet 的 caret::train 函数可以在固定的 alpha 和 lambda 下交叉验证 AUC 吗?
我想使用最佳 alpha 和 lambda 计算弹性网络回归模型的 10 倍交叉验证 AUCcaret train https stats stackexchange com questions 69638 does caret train
r
LogisticRegression
crossvalidation
rcaret
ROC
插入符使用插入符训练对象返回的预测与使用提取的最终模型返回的预测不同
在拟合模型时我更喜欢使用插入符号 因为它的相对速度和预处理功能 然而 我对它如何做出预测有点困惑 当比较直接从训练对象做出的预测和从提取的最终模型做出的预测时 我看到了非常不同的数字 来自火车对象的预测似乎更准确 library caret
r
Prediction
rcaret
在 R 中的插入符序列函数中使用“ROC”度量的问题
我有一个包含两个类的不平衡数据集 因此我认为我可以使用 ROC 作为指标 而不是使用 Accuracy 来使用 caret 包调整 R 中的模型 我正在尝试不同的方法 例如 rpart rf 等 我认为我们可以提取概率并使用 ROC 作为决
r
rcaret
1
2
3
4
»