r-caret

    0

    1答えて

    同様のquestionが閉じられ、パッケージがキャレットが正しくインストールされているかどうかを確認することでした。ソリューションの指示に従って、キャレットパッケージが正しくインストールされ、正しくロードされているかどうかを確認しました。私はパッケージをリロードし、現在のセッションで利用可能です。 train(...)を使用して次の行には、エラーを生成します model <- train( pri

    2

    1答えて

    以下のコードをキャレットで実行しようとしましたが、エラーが発生しました。だれかがトラブルシューティングの方法を教えてもらえますか? [.data.frameで エラー(データ、LVLSは、[1]):未定義の列には、あなたがあなたのコントロール機能でclassProbs = TRUEを使用する必要が library(tidyverse) library(caret) mydf <- iris

    2

    1答えて

    私はアンサンブルモデルに3つのモデルを組み合わせるためにしようとしている: モデル1 - XGBoost モデル2 - ランダムフォレスト モデル3 - ロジスティック回帰 注:ここのコードはすべて、キャレットパッケージのtrain()関数を使用しています。 > Bayes_model No pre-processing Resampling: Cross-Validated (10 fol

    0

    1答えて

    は、誰かが実用createDataPartitionでのリストの使用、キャレットパッケージドキュメントごとなど 、 論理を理解するために私を助けてください - 結果はリスト(TRUE)かにする必要がありますfloor(p * length(y))に等しい行数とtimesカラムを持つ行列。

    0

    1答えて

    text2vecパッケージとcaretのテキスト分類の問題に取り組んでいます。 caretで異なるモデルを構築する前に、text2vecを使用してドキュメント用語行列を作成しています。目標は、ラベル付きトレーニングデータを使用して、2つの文字列間の文字列の類似性を識別することです。線形SVMモデルをトレーニングする際 しかし、私は、警告メッセージの数を取得し、以下の抜粋: 警告メッセージ:1:sv

    0

    1答えて

    私は、経済データに関するキャレットパッケージの使用を予測しようとしています。来年の値を予測する方法はありますか? library(mlbench) library(caret) library(pROC) library(caTools) library(ROCR) myTimeControl <- trainControl( method = "timeslice", initial

    0

    1答えて

    詳細については、question listed hereを参照してください。 caretパッケージを使用してナイーブなベイ(nb)モデルをトレーニングするために、text2vecを使用して構築されたドキュメント用語マトリックスを使用しようとしました。 警告メッセージ:しかし、私はこの警告メッセージが表示されます のevalで(XPR、ENVIR = ENVIR): モデル適合がFold01.Rep

    1

    2答えて

    Rのキャレットパッケージで予測モデルを作成しようとしていて、端末/ cmdから新しいデータを予測しています。ここでは再現性の例である: # Sonar_training.R ## learning and saving model library(caret) library(mlbench) data(Sonar) set.seed(107) inTrain <- creat

    0

    1答えて

    私は、例えば、次のコードを実行しています: v.ctrl <- trainControl(method = "repeatedcv", repeats = 1,number = 3, summaryFunction = twoClassSummary, classProbs = TRUE, allowParallel=T) xgb.gr

    0

    1答えて

    私はscikit-learnとcaretを使って同じ入力データでF1スコアを大幅に上げています。ここでは、それぞれについてGBMモデルを実行しています。 scikit-学ぶ(F1はデフォルトの出力である) est = GradientBoostingClassifier(n_estimators = 4000, learning_rate = 0.1, max_depth = 5, max_fea