Question

我有一个带有两个类的不平衡数据集，因此我认为我可以使用ROC作为度量而不是精度来使用插入包在R中调整我的模型（我正在尝试不同的方法，例如rpart，rf..etc）。我认为我们可以提取概率并使用ROC作为决策树类型算法中的度量标准以及使用插入符号。我使用下面的插入符号中的数据集来说明我的问题。这个数据有三个类，但我重新定义并创建了两个类用于说明目的。我不明白为什么下面的代码会给出这个错误（当我更改方法时，我不断收到同样的错误）。感谢您的帮助。

train.default（x，y，weights = w，...）出错：     最终调整参数无法确定

另外：警告信息：


在nominalTrainWorkflow中（x = x，y = y，wts = weights，info = trainInfo，：   重新采样的绩效指标中缺少值。

在train.default（x，y，weights = w，...）中：   在汇总结果中找到缺失值

library(caret)

data(iris)
iris$Species                                   <- as.character(iris$Species)
iris$Species[which(iris$Species=='virginica')] <- 'versicolor'
iris$Species                                   <- as.factor(iris$Species)
x                                              <- iris[, !(colnames(iris) == "Species")]
y                                              <- iris$Species

fitControl <- trainControl(method = "cv", number=5, classProbs = TRUE, 
                           summaryFunction = twoClassSummary)

RF <- train(y = y, x=x,
            method="rpart",metric="ROC",
            trControl=fitControl)

在R中的插入列车功能中使用度量ROC

0 个答案: