Question

我遇到了一个奇怪的问题。我已经在我的笔记本电脑上成功运行了这段代码，但是当我尝试在另一台机器上运行它时，我得到了这个警告没有指定分布，假设bernoulli ...，我希望但是我得到这个错误： Error in object$var.levels[[i]] : subscript out of bounds

library(gbm)
gbm.tmp <- gbm(subxy$presence ~ btyme + stsmi + styma + bathy,
                data=subxy,
                var.monotone=rep(0, length= 4), n.trees=2000, interaction.depth=3,
                n.minobsinnode=10, shrinkage=0.01, bag.fraction=0.5, train.fraction=1,
                verbose=F, cv.folds=10)

有人可以帮忙吗？数据结构完全相同，相同的代码，相同的R.我甚至不在这里使用下标。

编辑：traceback（）

6: predict.gbm(model, newdata = my.data, n.trees = best.iter.cv)
5: predict(model, newdata = my.data, n.trees = best.iter.cv)
4: predict(model, newdata = my.data, n.trees = best.iter.cv)
3: gbmCrossValPredictions(cv.models, cv.folds, cv.group, best.iter.cv, 
       distribution, data[i.train, ], y)
2: gbmCrossVal(cv.folds, nTrain, n.cores, class.stratify.cv, data, 
       x, y, offset, distribution, w, var.monotone, n.trees, interaction.depth, 
       n.minobsinnode, shrinkage, bag.fraction, var.names, response.name, 
       group)
1: gbm(subxy$presence ~ btyme + stsmi + styma + bathy, data = subxy,var.monotone = rep(0, length = 4), n.trees = 2000, interaction.depth = 3, n.minobsinnode = 10, shrinkage = 0.01, bag.fraction = 0.5, train.fraction = 1, verbose = F, cv.folds = 10)

是否有事可做，因为我将已保存的R工作区移动到另一台机器上？

编辑2：好的，所以我在代码工作的机器上更新了gbm包，现在我得到了同样的错误。所以在这一点上，我认为旧的gbm包可能没有这个检查或新版本有一些问题。我不太了解gbm。

Answer 1

只是预感，因为我看不到你的数据，但我相信当你在训练集中不存在的测试集中存在可变级别时会发生错误。

如果您有一个具有大量级别的因子变量，或者一个级别具有较少的实例数，则很容易发生这种情况。

由于您正在使用CV折叠，因此其中一个循环上的保持设置可能具有训练数据的外部等级。

我建议：

A）使用model.matrix（）对您的因子变量进行单热编码

B）继续设置不同的种子，直到你得到一个没有发生此错误的CV分割。

编辑：是的，通过该追溯，您的第3个CV保留在其测试集中具有因子级别，而在训练中不存在。所以预测函数看到一个外来值并且不知道该怎么做。

编辑2：这是一个快速示例，用“不在测试集中的因子水平”来表示我的意思

#Example data with low occurrences of a factor level:

set.seed(222)
data = data.frame(cbind( y = sample(0:1, 10, replace = TRUE), x1 = rnorm(10), x2 = as.factor(sample(0:10, 10, replace = TRUE))))
data$x2 = as.factor(data$x2)
data

      y         x1 x2
 [1,] 1 -0.2468959  2
 [2,] 0 -1.2155609  6
 [3,] 0  1.5614051  1
 [4,] 0  0.4273102  5
 [5,] 1 -1.2010235  5
 [6,] 1  1.0524585  8
 [7,] 0 -1.3050636  6
 [8,] 0 -0.6926076  4
 [9,] 1  0.6026489  3
[10,] 0 -0.1977531  7

#CV fold.  This splits a model to be trained on 80% of the data, then tests against the remaining 20%.  This is a simpler version of what happens when you call gbm's CV fold.

CV_train_rows = sample(1:10, 8, replace = FALSE) ; CV_test_rows = setdiff(1:10, CV_train_rows)
CV_train = data[CV_train_rows,] ; CV_test = data[CV_test_rows,]

#build a model on the training... 

CV_model = lm(y ~ ., data = CV_train)
summary(CV_model)
#note here: as the model has been built, it was only fed factor levels (3, 4, 5, 6, 7, 8) for variable x2

CV_test$x2
#in the test set, there are only levels 1 and 2.

#attempt to predict on the test set
predict(CV_model, CV_test)

Error in model.frame.default(Terms, newdata, na.action = na.action, xlev = object$xlevels) : 
factor x2 has new levels 1, 2

Answer 2

我遇到了同样的问题并最终通过更改gbm包中名为predict.gbm的隐藏函数来解决它。此函数通过交叉验证来预测由训练集上的训练集上的训练gbm对象设置的测试集。

问题是传递的测试集应该只有与功能对应的列，所以你应该修改这个功能。

下标超出gbm函数的范围

2 个答案: