R 参数调谐输出NA
我是新的参数调整与mlr包。我最近在一个二进制分类问题上尝试了xgboost算法。我无法获得经过训练的准确度,只有NA。在谷歌回合之后,我无法调试我的代码。你能给我一些建议吗 以下是使用mtcars数据库中的数据进行复制的示例:R 参数调谐输出NA,r,mlr,R,Mlr,我是新的参数调整与mlr包。我最近在一个二进制分类问题上尝试了xgboost算法。我无法获得经过训练的准确度,只有NA。在谷歌回合之后,我无法调试我的代码。你能给我一些建议吗 以下是使用mtcars数据库中的数据进行复制的示例: library(mlr) library(parallelMap) mtcars set.seed(1) train.index=sample(nrow(mtcars),nrow(mtcars)*0.7) train=mt
library(mlr)
library(parallelMap)
mtcars
set.seed(1)
train.index=sample(nrow(mtcars),nrow(mtcars)*0.7)
train=mtcars[train.index,]
test=mtcars[-train.index,]
list(dim(train),dim(test))
# set the tuning
tune.dat=train[,c('mpg','cyl','disp','wt','vs','am')]
traintask=makeClassifTask(data=tune.dat,target='am')
learner=makeLearner('classif.xgboost',predict.type='response',nrounds=300,nthread=2)
prange=makeParamSet(
makeNumericParam('eta',lower=0.01,upper=0.3),
makeNumericParam('max_depth',lower=2,upper=10),
makeNumericParam('subsample',lower=0.4,upper=0.8),
makeNumericParam('colsample_bytree',lower=0.4,upper=0.8)
)
ctrl=makeTuneControlRandom(maxit=50)
rdesc=makeResampleDesc('CV',iters=4)
parallelStartMulticore(2)
# tune
mytune=tuneParams(learner=learner,task=traintask,par.set=prange,control=ctrl,resampling=rdesc)
mytune$y
结果应该是一个数字而不是NA我发现您的代码有两个问题: 1) “am”字段希望成为一个因素
tune.dat[, 'am'] <- as.factor(tune.dat[, 'am'])
通过这些替换,输出是
mmce.test.mean
0.225
非常感谢您的帮助,@grldsndrs。只是一个跟进,这是mmce.test.mean准确度还是错误?由于没有指定性能度量,默认情况下使用错误率(mmce)。因此,如果您发现答案正确,请不要忘记将其标记为正确
mmce.test.mean
0.225