【发布时间】：2017-03-27 06:42:10
【问题描述】：
我正在使用 R 插入符号进行分类。我在训练时收到以下错误消息：
train.default(train[, predictorsNames], train[, resultsName], 中的错误：
使用 ROC 曲线下的面积对模型进行评分需要类概率。在 trainControl() 函数中设置classProbs = TRUE。
我对这个问题进行了一些搜索。以下两个链接正在讨论类似的问题。 Error when I try to predict class probabilities in R - caret 和R caret train Error in evalSummaryFunction: cannnot compute class probabilities for regression 根据给出的答案，问题可能是由于未将结果名称定义为因子或级别名称无效。但是我已经将结果名转换为一个因子，尝试了不同的级别名称并设置了classProbs=TRUE，但它仍然不起作用。
library(caret)
library(gbm)
我使用的数据集是dat，有6个变量。我需要对变量"FlagD60"进行分类。
> dput(droplevels(head(dat,5)))
structure(list(FICO = c(689L, 689L, 689L, 783L, 783L), Line = c(4000.001686,
3700.002962, 3600.001866, 14500.00101, 5262.002105), Balance = c(1686L,
2962L, 1866L, 1014L, 2105L), Payment = c(53L, 79L, 33L, 21L,
15L), Age = c(6L, 81L, 82L, 235L, 57L), FlagD60 = c(0L, 0L, 0L,
0L, 0L)), .Names = c("FICO", "Line", "Balance", "Payment", "Age",
"FlagD60"), row.names = c(NA, 5L), class = "data.frame")
我生成了一个具有“是”和“否”级别的新因子，用于分类并拆分数据。由于不知道这个准备阶段是否出现错误，所以我也留给大家参考。
### prepare for classification ###
outcomeName <- 'FlagD60'
predictorsNames <- names(dat)[names(dat) != outcomeName]
dat$FlagD60b=ifelse(dat$FlagD60==1,'yes','no')
dat$FlagD60b=as.factor(dat$FlagD60b)
outcomeName='FlagD60b'
trainIndex=createDataPartition(dat[,outcomeName],p=0.75,list =
FALSE,times=1)
train=dat[ trainIndex,]
test =dat[-trainIndex,]
下面是levels(train$FlagD60b)的结果。
[1] "no" "yes"
然后我像这样构建模型。
#### repeated 10-fold CV, grid, gbm ####
ctrl=trainControl(method = "repeatedcv",number = 10,repeats = 10,
summaryFunction = twoClassSummary,
classProbs = TRUE)
set.seed(520)
gbmfit=train(train[,predictorsNames], train[,outcomeName],
method="gbm",
trcontrol=ctrl,
verbose=FALSE,
metric="ROC")
这给出了我上面所说的错误。您的任何想法都将不胜感激。
sessionInfo() 的输出也包含在内，供您参考。
> sessionInfo()
R version 3.3.1 (2016-06-21)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows >= 8 x64 (build 9200)
locale:
[1] LC_COLLATE=Chinese (Simplified)_China.936 LC_CTYPE=Chinese (Simplified)_China.936
[3] LC_MONETARY=Chinese (Simplified)_China.936 LC_NUMERIC=C
[5] LC_TIME=Chinese (Simplified)_China.936
attached base packages:
[1] parallel splines stats graphics grDevices utils datasets methods base
other attached packages:
[1] plyr_1.8.4 gbm_2.1.3 survival_2.39-4 caret_6.0-73 ggplot2_2.2.1 lattice_0.20-34
loaded via a namespace (and not attached):
[1] Rcpp_0.12.9 magrittr_1.5 MASS_7.3-45 munsell_0.4.3 colorspace_1.3-2
[6] foreach_1.4.3 minqa_1.2.4 stringr_1.2.0 car_2.1-4 tools_3.3.1
[11] nnet_7.3-12 pbkrtest_0.4-7 grid_3.3.1 gtable_0.2.0 nlme_3.1-128
[16] mgcv_1.8-12 quantreg_5.29 MatrixModels_0.4-1 iterators_1.0.8 lme4_1.1-12
[21] lazyeval_0.2.0 assertthat_0.1 tibble_1.2 Matrix_1.2-6 nloptr_1.0.4
[26] reshape2_1.4.2 ModelMetrics_1.1.0 codetools_0.2-14 stringi_1.1.2 scales_0.4.1
[31] stats4_3.3.1 SparseM_1.76
【问题讨论】：
-
您可以制作一小部分数据并分享吗？或者，理想情况下，模拟一些产生相同结果的数据。请参阅here，了解如何以最不痛苦的方式分享您的数据。
-
@RomanLuštrik 我添加了训练数据的子集和 sessionInfo() 的输出。希望这会有所帮助。
-
好的，很好。现在淡化代码，只显示重现错误所需的必要部分。
-
@RomanLuštrik 我尽量删了，只留下数据准备、traincontrol 和 train 可能出错的部分。
-
请在新的 R 会话中复制/粘贴代码，并确认您遇到了同样的错误。例如，我们无权访问
dat来创建trainIndex。
标签： r prediction r-caret