R中的caretStack-未使用的参数

我在R中做了一堆模型，如下所示：

ctrl <- trainControl(method="repeatedcv", number=5, repeats=3, returnResamp="final", savePredictions="final", classProbs=TRUE, selectionFunction="oneSE", verboseIter=TRUE)

models_stack <- caretStack(
  model_list,
  data=train_data,
  tuneLength=10,
  method="glmnet",
  metric="ROC",
  trControl=ctrl
)

2） 是否不应该有“数据”参数？如果我需要为我的1级主管模型使用不同的数据集，我可以做什么

3） 我还想使用AUC/ROC，但出现了这些错误

The metric "AUC" was not in the result set. Accuracy will be used instead.

及

我在网上看到了一些ROC可以使用的例子，是不是因为它不适合这个模型？除了此模型的准确性之外，我还可以使用哪些指标？如果我需要使用ROC，还有哪些选项

按照@RLave的要求，我的型号列表就是这样完成的

grid.xgboost <- expand.grid(.nrounds=c(40,50,60),.eta=c(0.2,0.3,0.4),                
.gamma=c(0,1),.max_depth=c(2,3,4),.colsample_bytree=c(0.8),                
.subsample=c(1),.min_child_weight=c(1))

grid.rf <- expand.grid(.mtry=3:6)

model_list <- caretList(y ~.,
                    data=train_data_0,
                    trControl=ctrl,
                    tuneList=list(
                      xgbTree=caretModelSpec(method="xgbTree", tuneGrid=grid.xgboost),
                      rf=caretModelSpec(method="rf", tuneGrid=grid.rf)
                    )
  )

---

grid.xgboost您的问题包含三个问题：

为什么我会看到以下错误？我能做什么？我现在卡住了
caretStack
不应具有
数据
参数，
数据
是根据
caretList
中的模型预测生成的。看看这个可重复的例子：

library(caret)
library(caretEnsemble)
library(mlbench)

使用声纳数据集：

data(Sonar)

为xgboost的超参数优化创建网格：

grid.xgboost <- expand.grid(.nrounds = c(40, 50, 60),
                            .eta = c(0.2, 0.3, 0.4),                
                            .gamma = c(0, 1),
                            .max_depth = c(2, 3, 4),
                            .colsample_bytree = c(0.8),                
                            .subsample = c(1), 
                            .min_child_weight = c(1))

grid.xgboost@RLave嗨，我已经完成了更新
data(Sonar)

grid.xgboost <- expand.grid(.nrounds = c(40, 50, 60),
                            .eta = c(0.2, 0.3, 0.4),                
                            .gamma = c(0, 1),
                            .max_depth = c(2, 3, 4),
                            .colsample_bytree = c(0.8),                
                            .subsample = c(1), 
                            .min_child_weight = c(1))

grid.rf <- expand.grid(.mtry = 3:6)

ctrl <- trainControl(method="cv",
                     number=5,
                     returnResamp = "final",
                     savePredictions = "final",
                     classProbs = TRUE,
                     selectionFunction = "oneSE",
                     verboseIter = TRUE,
                     summaryFunction = twoClassSummary)

model_list <- caretList(Class ~.,
                        data = Sonar,
                        trControl = ctrl,
                        tuneList = list(
                          xgbTree = caretModelSpec(method="xgbTree",
                                                   tuneGrid = grid.xgboost),
                          rf = caretModelSpec(method = "rf",
                                              tuneGrid = grid.rf))
)

models_stack <- caretStack(
  model_list,
  tuneLength = 10,
  method ="glmnet",
  metric = "ROC",
  trControl = ctrl
)