【发布时间】：2013-01-27 16:31:12
【问题描述】：
我第一次尝试在我的数据上使用 gbm（实际上是第一次使用任何类型的回归树），它由 14 个连续因变量和一个作为响应变量的因子组成，具有 13 个水平。我是通过 Elith 等人的一个非常好的描述来到 gbm 的，但是他使用了对基本 gbm 包的修改，该包无法处理多项分布。 gbm的帮助声称它可以处理这个：
"分布：指定要使用的分布名称的字符串或列表 具有指定分布的组件名称和所需的任何其他参数。如果没有指定，gbm 会尝试猜测：如果响应只有 2 个唯一值，假定为伯努利；否则，如果响应是一个因素， 假设多项式；否则，如果响应的类别为“Surv”，则 coxph 为 假定;否则，假定为高斯分布。 当前可用的选项是“gaussian”（平方误差）、“laplace”（绝对 loss）、“tdist”（t-分布损失）、“bernoulli”（0-1结果的逻辑回归）、“huberized”（0-1结果的huberized铰链损失）、“多项式” （超过 2 个类时的分类），“adaboost”（AdaBoost 0-1 结果的指数损失），“poisson”（计数结果），“coxph”（右 删失观察）、“分位数”或“成对”（使用 LambdaMart 算法）。”
尽管如此，无论我指定“多项式”还是“让它猜测”，它都不起作用。有人知道我在做什么错吗？或者我是否完全误解了某些东西——我的数据的多项式分布是否意味着我的误差损失函数也是多项式分布？如果我选择“高斯”，它就会运行，但我想在这种情况下会计算出完全不同的东西？ 我会很感激任何帮助！ 艾格尼丝
【问题讨论】：
标签： r multinomial