Я пытался подогнать модель, используя метод «SBC» из пакета «frbs» в Caret для R. Я видел похожие вопросы в SO для разных пакетов и пробовал решения, но они, похоже, не работали в моем случае . Я предоставил фрагмент кода для воспроизводимости с использованием набора данных радужной оболочки.
library(caret)
data("iris")
grid<-expand.grid(r.a = c(0.5),
eps.high = c(0.5),
eps.low = c(0))
Fit <- train(Sepal.Length ~ Sepal.Width + Petal.Length + Petal.Width, data = iris,
method = "SBC",
# trControl = fitControl,
tuneGrid=grid,
verbose = TRUE)
Fit$results
Полученная ошибка:
Something is wrong; all the RMSE metric values are missing:
RMSE Rsquared
Min. : NA Min. : NA
1st Qu.: NA 1st Qu.: NA
Median : NA Median : NA
Mean :NaN Mean :NaN
3rd Qu.: NA 3rd Qu.: NA
Max. : NA Max. : NA
NA's :3 NA's :3
Error in train.default(x, y, weights = w, ...) : Stopping
In addition: There were 50 or more warnings (use warnings() to see the first 50)
Я проверил предупреждения (), и он показывает, что «подгонка модели не удалась для Resample17: r.a = 0,5, eps.high = 0,5, eps.low = 0. Ошибка в frbs.learn (data.train = структура (c (3,5, 3, 3,2) , 3.1, 3.4, 3.4, : .....". Я даже пытался установить пакет frbs отдельно. Также я убедился, что классы переменных не являются факторами даже для моих данных.
Мой вопрос в том, как я могу исправить эту ошибку и почему эта ошибка возникает. Любая помощь приветствуется.
Заранее спасибо.
predictor
к типуfactor
и посмотрите, сработает ли это? - person Aramis7d   schedule 28.11.2016Error in train.default(x, y, weights = w, ...) : wrong model type for classification
- person snair.stack   schedule 28.11.2016response
, то естьy
, как числовую, ее можно будет использовать для регрессии. - person Aramis7d   schedule 28.11.2016