Caret train 方法抱怨出问题了；缺少所有 RMSE 度量值

Posted 2023-03-12

【中文标题】Caret train 方法抱怨出问题了；缺少所有 RMSE 度量值

【英文标题】：Caret train method complains Something is wrong; all the RMSE metric values are missing

【发布时间】：2015-10-19 13:36:09

【问题描述】：

在尝试拟合 gbm 或 rpart 模型时，我多次遇到此错误。最后，我能够使用公开可用的数据始终如一地重现它。我注意到使用 CV（或重复 cv）时会发生此错误。当我不使用任何适合控件时，我不会收到此错误。有人可以解释一下为什么我总是不断出错。

fitControl= trainControl("repeatedcv", repeats=5)
ds = read.csv("http://www.math.smith.edu/r/data/help.csv")
ds$sub = as.factor(ds$substance)
rpartFit1 <- train(homeless ~ female + i1 + sub + sexrisk + mcs + pcs, 
                   tcControl=fitControl, 
                   method = "rpart", 
                   data=ds)

【问题讨论】：

根据我的经验，发生此错误是因为某些变量是因子而不是数字。另一种情况可能是变量的位置是字符串。尝试sapply(your_data, class) 来检查列类。

感谢您的回复。此数据集和其他显示此错误的数据集具有一些因子类的变量。但为什么这很重要？ rpart 不能处理因子变量。为什么使用CV时不起作用？

如果数字尝试将它们转换为numeric，它characters 会尝试不将它们包含在模型中。无论如何，这不是一般错误，我认为这取决于method train 使用的内容。不要忘记train 不是一个模型，而只是一个简单语法的包装器，只需更改method 参数即可应用大量不同的模型。

如果您在 train() 函数中使用正确的参数名称，此特定错误似乎会消失。它应该是trControl=fitControl，而不是tcControl=fitControl。查看生成的warnings() 后，这一点很明显。

您好，我已经发布了答案，但已被删除。我是说计算 RMSE 的错误可能来自训练数据集中的无限值。告诉我这是否正确。

【参考方案1】：

有一个错字，应该是trControl 而不是tcControl。当参数以tcControl 提供时，caret 会将其传递给 rpart，这会引发错误，因为此选项永远不可用。

我想这回答了您的问题，即当您尝试在训练中进行交叉验证时为什么会出现此错误。

下面是它的工作原理：

library(caret)
library(mosaicData)

data(HELPrct)
ds = HELPrct
fitControl= trainControl(method="repeatedcv",times=5)
ds$sub = as.factor(ds$substance)

rpartFit1 <- train(homeless ~ female + i1 + sub + sexrisk + mcs + pcs, 
                   trControl=fitControl, 
                   method = "rpart", 
                   data=ds[complete.cases(ds),])

rpartFit1
CART 

117 samples
  6 predictor
  2 classes: 'homeless', 'housed' 

No pre-processing
Resampling: Cross-Validated (10 fold) 
Summary of sample sizes: 105, 105, 105, 106, 105, 106, ... 
Resampling results across tuning parameters:

  cp          Accuracy   Kappa      
  0.00000000  0.5280303  -0.03503032
  0.01190476  0.5280303  -0.03503032
  0.07142857  0.5977273  -0.02970604

Accuracy was used to select the optimal model using the largest value.
The final value used for the model was cp = 0.07142857.