R 度量精度不适用于回归模型

我试图用机器学习研究我的R模型。培训模式在总体上效果不佳

# # Logistic regression multiclass
for (i in 1:30) {
  # split data into training/test 
  trainPhyIndex <- createDataPartition(subs_phy$Methane, p=10/17,list =  FALSE)
  trainingPhy <- subs_phy[trainPhyIndex,]
  testingPhy <- subs_phy[-trainPhyIndex,]
  # Pre-process predictor values

  trainXphy <- trainingPhy[,names(trainingPhy)!= "Methane"]
  preProcValuesPhy <- preProcess(x= trainXphy,method = c("center","scale"))

  # using boot to avoid over-fitting
  fitControlPhyGLMNET <- trainControl(method = "repeatedcv",
                           number = 10,
                           repeats = 4,
                           savePredictions="final",
                           classProbs = TRUE
                           )

  fit_glmnet_phy <- train (Methane~.,
                           trainingPhy,
                           method = "glmnet", 
                           tuneGrid = expand.grid(
                             .alpha =0.1,
                             .lambda = 0.00023),
                           metric = "Accuracy",
                           trControl = fitControlPhyGLMNET)
  pred_glmnet_phy <- predict(fit_glmnet_phy, testingPhy)


  # Get the confusion matrix to see accuracy value

  u <- union(pred_glmnet_phy,testingPhy$Methane)
  t <- table(factor(pred_glmnet_phy, u), factor(testingPhy$Methane, u))
  accu_glmnet_phy <- confusionMatrix(t)
#   accu_glmnet_phy<-confusionMatrix(pred_glmnet_phy,testingPhy$Methane) 

glmnetstatsPhy[(nrow(glmnetstatsPhy)+1),] = accu_glmnet_phy$overall

}
glmnetstatsPhy

我不知道这个错误 我还附上了马坦的类型

---

尝试规范化输入列并将输出列映射为因子。这帮助我解决了一个类似的问题。

尝试规范化输入列，并将输出列映射为因子。这帮助我解决了一个类似的问题。

该错误可能意味着您的目标变量是数字，导致

glmnet（）

在您将度量设置为“精度”（不适用于回归）时运行回归模型“准确度”是分类模型的一个指标。您希望“甲烷”是什么类型的变量？它是连续的还是一个因素？基于您对混淆矩阵的需求，我假设您希望它成为一个因子变量，以便

glment（）

生成一个分类（逻辑回归）算法。谢谢！变量的类型是float。这是导致错误的主要原因吗？有没有办法解决这个问题？我真的很感激。如果您预测数值（浮点）

glment（）

使用回归而不是分类，那么您将无法创建混淆矩阵。甲烷代表什么？你们能发布一个数据样本吗？你们制作了甲烷二进制吗？就是给它一些形式的区间，把它变成一种“因子”变量，明白了。我正在尝试创建一个分类，并将甲烷转换成二进制。非常感谢你。我还尝试使用

RMSE

来代替

accurity

。是否有任何函数或命令有助于评估算法。我的意思是我们可以使用

confusionMatrix

来评估算法的

metric='accurity'

。我想知道是否有任何函数可以用于使用

metric='RMSE'

评估算法？该错误可能意味着您的目标变量是数字，导致

glmnet（）

在您将度量设置为不适用于回归的“准确性”时运行回归模型“准确度”是分类模型的一个指标。您希望“甲烷”是什么类型的变量？它是连续的还是一个因素？基于您对混淆矩阵的需求，我假设您希望它成为一个因子变量，以便

glment（）

生成一个分类（逻辑回归）算法。谢谢！变量的类型是float。这是导致错误的主要原因吗？有没有办法解决这个问题？我真的很感激。如果您预测数值（浮点）

glment（）

使用回归而不是分类，那么您将无法创建混淆矩阵。甲烷代表什么？你们能发布一个数据样本吗？你们制作了甲烷二进制吗？就是给它一些形式的区间，把它变成一种“因子”变量，明白了。我正在尝试创建一个分类，并将甲烷转换成二进制。非常感谢你。我还尝试使用

RMSE

来代替

accurity

。是否有任何函数或命令有助于评估算法。我的意思是我们可以使用

confusionMatrix

来评估算法的

metric='accurity'

。我想知道有没有什么函数可以用

metric='RMSE'

来评估算法？

Metric Accuracy not applicable for regression models