所以,我正在尝试训练一个模型并使用随机森林回归对其进行测试。我的响应变量是一个数字,我还有 23 个其他变量,它们是数字和字符的混合。我正在使用以下代码块:
library(e1071)
library(dplyr)
library(class)
library(caret)
library(kernlab)
data=read.csv(choose.files())
set.seed(1)
mydata=data
n=dim(mydata)[1]
p=dim(mydata)[2]-1
x=mydata[,-3]
y=mydata[,3]
n_train=35
n_test=9
random_order=sample(n)
test_index=random_order[1:n_test]
train_index=random_order[-(1:n_test)]
y_train=y[train_index]
y_test=y[test_index]
x_train=x[train_index,]
x_test=x[test_index,]
traindata=data.frame(x=x_train,y=(y_train))
testdata = data.frame(x=x_test,y=(y_test))
fitControl <- trainControl(## 10-fold CV
method = "repeatedcv",classProbs=TRUE,
number = 10,
## repeated ten times
repeats = 10)
set.seed(1)
newrf=train(y ~ ., data = traindata , method = "rf",
trControl = fitControl)
newrf
bestmodel_rf= newrf$finalModel
ypredcaret=predict(bestmodel_rf, newdata = testdata)
table(predict=ypredcaret, truth=y_test)
plot(newrf)
bestmodel_rf
我收到以下错误:
警告信息:
在 train.default(x, y, weights = w, ...) 中:
无法计算回归的类别概率
警告信息:
在 train.default(x, y, weights = w, ...) 中:
无法计算回归的类别概率
最佳答案
您已指定 classProbs=T
在 trainControl
,这表明应该为分类模型计算类概率(其中响应变量由离散的类标签组成)。但是,该参数设置与您的数值响应变量冲突(这表明将训练回归模型),从而导致错误消息无法为回归计算类概率。
由于您的描述和数字响应变量表明这是一个回归问题,因此删除 classProbs=T
(默认设置是 classProbs=F
)您的代码应该可以解决您遇到的错误。
关于r - 使用 Caret 包进行随机森林(回归)时出错,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42937187/