Lỗi khi sử dụng GBM, nhưng không có dấu mũ

Question

Tôi đã sử dụng gbm thông qua dấu mũ mà không gặp sự cố, nhưng khi xóa một số biến khỏi khung dữ liệu của tôi, nó bắt đầu thất bại. Tôi đã thử với cả hai phiên bản github và cran của các gói đã đề cập.

Đây là lỗi:

> fitRF = train(my_data[trainIndex,vars_for_clust], clusterAssignment[trainIndex], method = "gbm", verbose=T) 
Something is wrong; all the Accuracy metric values are missing: 
    Accuracy  Kappa  
Min. : NA Min. : NA 
1st Qu.: NA 1st Qu.: NA 
Median : NA Median : NA 
Mean :NaN Mean :NaN 
3rd Qu.: NA 3rd Qu.: NA 
Max. : NA Max. : NA 
NA's :9  NA's :9  
Error in train.default(my_data[trainIndex, vars_for_clust], clusterAssignment[trainIndex], : 
    Stopping 
In addition: There were 50 or more warnings (use warnings() to see the first 50) 
> warnings() 
Warning messages: 
1: In eval(expr, envir, enclos) : 
    model fit failed for Resample01: shrinkage=0.1, interaction.depth=1, n.minobsinnode=10, n.trees=150 Error in gbm.fit(x = structure(list(relatedness_cottle = c(0, 0, 8, 6, : 
    unused arguments (x = list(relatedness_cottle = c(0, 0, 8, 6, 0, 6, 8, 10, 10, 6, 6, 4, 4, 4, 0, 0, 0, 0, 18, 18, 18, 0, 0, 6, 6, 0, 18, 12, 0, 4, 4, 4, 0, 0, 0, 18, 18, 6, 4, 4, 4, 6, 8, 6, 6, 0, 14, 2, 0, 8, 6, 6, 0, 4, 0, 0, 0, 0, 0, 4, 8, 8, 8, 4, 18, 0, 0, 4, 10, 18, 6, 0, 0, 18, 10, 10, 6, 2, 4, 4, 10, 10, 10, 2, 8, 0, 0, 0, 0, 10, 6, 6, 0, 4, 4, 0, 0, 0, 0, 8, 0, 0, 4, 4, 6, 6, 10, 6, 0, 0, 6, 4, 4, 8, 0, 12, 6, 2, 2, 8, 8, 4, 4, 4, 4, 6, 2, 2, 4, 0, 6, 0, 0, 0, 12, 18, 8, 0, 0, 4, 4, 2, 0, 0, 0, 0, 18, 
12, 6, 6, 4, 4, 12, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 6, 6, 18, 0, 0, 18, 6, 4, 2, 2, 0, 0, 10, 0, 0, 0, 12, 4, 4, 4, 4, 4, 8, 18, 6, 18, 18, 12, 12, 12, 0, 0, 0, 0, 10, 12, 12, 12, 12, 12, 4, 4, 4, 6, 6, 6, 6, 12, 0, 6, 0, 0, 4, 4, 18, 18, 18, 0, 0, 4, 6, 6, 0, 0, 2, 0, 0, 0, 18, 12, 12, 0, 0, 0, 0, 0, 0, 18 [... truncated] 

Không có giá trị còn thiếu, phản ứng là một yếu tố 4 mức độ và nguyên liệu đầu vào như sau:

Classes ‘tbl_df’, ‘tbl’ and 'data.frame': 1165 obs. of 14 variables: 
$ relatedness_cottle  : num 0 0 8 8 0 6 0 6 6 0 ... 
$ dominance_cottle   : int 4 6 0 6 6 6 6 4 4 4 ... 
$ time_spent    : num 26832 20822 18893 13107 25406 ... 
$ num_color_changes  : num 3.33 2.33 1.33 1 1 ... 
$ num_selects    : num 1 0.667 2 0.667 1.667 ... 
$ show_select_match  : num 1 0.667 0.333 1 1 ... 
$ default_size    : num 0.667 0 0.667 0 0 ... 
$ select_order    : Factor w/ 6 levels "future_past_present",..: 1 4 4 2 5 1 4 6 6 4 ... 
$ order_x     : Factor w/ 6 levels "future_past_present",..: 4 4 4 4 4 3 4 4 4 4 ... 
$ color_past    : Factor w/ 8 levels "black","blue",..: 5 1 6 8 5 7 1 6 6 5 ... 
$ color_present   : Factor w/ 8 levels "black","blue",..: 1 4 4 4 6 8 4 4 1 4 ... 
$ color_future    : Factor w/ 8 levels "black","blue",..: 2 2 2 2 2 2 1 2 8 2 ... 
$ dominance_cottle_future : int 0 4 0 4 2 0 4 2 2 0 ... 
$ relatedness_cottle_future: int 0 2 4 4 0 4 0 2 4 0 ... 

Nhưng nếu tôi gọi GBM trực tiếp với khung dữ liệu, nó hoạt động:

summary(gbm(clusterAssignment[trainIndex] ~ ., data = my_data[trainIndex,vars_for_clust])) 
Distribution not specified, assuming multinomial ... 
               var rel.inf 
color_present       color_present 33.533673 
dominance_cottle     dominance_cottle 33.170138 
default_size       default_size 25.321566 
dominance_cottle_future  dominance_cottle_future 5.674563 
color_future       color_future 2.300060 
relatedness_cottle    relatedness_cottle 0.000000 
time_spent        time_spent 0.000000 
num_color_changes     num_color_changes 0.000000 
num_selects        num_selects 0.000000 
show_select_match     show_select_match 0.000000 
select_order       select_order 0.000000 
order_x          order_x 0.000000 
color_past        color_past 0.000000 
relatedness_cottle_future relatedness_cottle_future 0.000000 

Chỉnh sửa: để tái tạo, run the script found here.

Answer 1

Hiện tại, truyền một khung dữ liệu từ plyr/dplyr sang một khung dữ liệu thông thường với as.data.frame() khắc phục sự cố.

train(as.data.frame(issueDataframe), issueResponse, method="gbm") 

Xem this issue.

Answer 2

cùng một vấn đề với phương pháp glm. Giải quyết khi tôi loại bỏ các tùy chọn VERBOSE ...

Answer 3

Với một số các phương pháp caret vấn đề này sẽ phát sinh khi người dùng cố gắng dự đoán với đa thức phân loại và chỉ nhị phân {0,1} kết quả được cho phép trong các thuật toán, hoặc với hiện tại thiết lập các thông số.