我有一个奇怪的问题，每当我尝试将 adabag 包的增强功能中的 mfinal 参数增加到 10 以上时，我都会收到错误，即使 mfinal=9 我也会收到警告。
我的火车数据有 7 个类因变量和 100 个自变量以及大约 22000 个数据样本（使用 DMwR 检测了一个类）。我的因变量按顺序位于训练数据集的末尾。
library(adabag)
gc()
exp_recog_boo <- boosting(V1 ~ .,data=train_dataS,boos=TRUE,mfinal=9)
Error in 1:nrow(object$splits) : argument of length 0
In addition: Warning messages:
1: In acum + acum1 :
longer object length is not a multiple of shorter object length
提前致谢。
【问题讨论】：
我的错误是我之前没有将 TARGET 设置为因素。
试试这个：
train$target <- as.factor(train$target)
并通过以下方式检查：
str(train$TARGET)
【讨论】：
str(train$TARGET) 来检查train$target 的因子状态的建议是错误的。 R 区分大小写，因此两个向量不会相同。
这对我有用：
modelADA <- boosting(lettr ~ ., data = trainAll, boos = TRUE, mfinal = 10, control = (minsplit = 0))
基本上我只是告诉 rpart 要求最小分割长度为零来生成树，它消除了错误。我没有对此进行广泛的测试，所以我不能保证它是一个有效的解决方案（零长度叶子的树实际上是什么意思？），但它确实可以防止错误被抛出。
【讨论】：
我认为我遇到了问题。
忽略这一点 - 如果您将控件配置为 cp = 0，则不会发生这种情况。我认为如果树的第一个节点没有改进（或至少不比 cp 更好），那么树会保持 0 个节点，所以你有一个空树，这会使算法失败。
编辑：问题是 rpart 生成的树只有一个叶子（节点），而 boosting 方法使用这句话“k
为了解决你可以修改提升方法：
编写：修复（增强）并添加 *'S 行。
if (boos == TRUE) {
** k <- 1
** while (k == 1){
boostrap <- sample(1:n, replace = TRUE, prob = pesos)
fit <- rpart(formula, data = data[boostrap, -1],
control = control)
** k <- length(fit$frame$var)
** }
flearn <- predict(fit, newdata = data[, -1], type = "class")
ind <- as.numeric(vardep != flearn)
err <- sum(pesos * ind)
}
这将阻止算法接受一棵叶子树，但您必须将控制参数中的 CP 设置为 0 以避免无限循环..
【讨论】：
刚刚遇到同样的问题，将复杂性参数设置为 -1 或最小拆分为 0 都适用于 rpart.control，例如
library(adabag)
r1 <- boosting(Y ~ ., data = data, boos = TRUE,
mfinal = 10, control = rpart.control(cp = -1))
r2 <- boosting(Y ~ ., data = data, boos = TRUE,
mfinal = 10, control = rpart.control(minsplit = 0))
【讨论】：
我最近也遇到了同样的问题，this example R script 彻底解决了！
主要思想是您需要适当地设置 rpart 的控件（adabag 用于创建树，请参阅 rpart.control），以便在每棵树中至少尝试拆分。
我不完全确定，但似乎您的“长度为 0 的参数”可能是空树的结果，这可能是因为“复杂性”参数的默认设置告诉函数不要如果同质性/不适合性的降低低于某个阈值，请尝试拆分。
【讨论】：
使用 str() 查看数据框的属性。对我来说，我只是将 myclass 变量转换为因子，然后一切运行。
【讨论】：