我正在尝试将代码用于插入符号中完全可重现的并行模型，但不了解如何设置种子对象中向量的大小。对于gbm，我有4个调整参数，共有11个不同的级别，我的调优网格中有54行。如果我指定任何值＆lt; 18作为＆＃34; for（i in 1:10）＆＃34;中的最后一个值在下面的行中，我得到一个错误：＆＃34;坏种子：种子对象应该是长度为11的列表，其中10个整数向量大小为18，最后一个列表元素具有单个整数。＆＃34;为什么18？它也可以在没有错误的情况下运行＆gt; 18（例如54） - 为什么？非常感谢您的帮助。以下内容基于http://topepo.github.io/caret/training.html，添加了一些内容。
library(mlbench)
data(Sonar)
str(Sonar[, 1:10])
library(caret)
library(doParallel)
set.seed(998)
inTraining <- createDataPartition(Sonar$Class, p = .75, list = FALSE)
training <- Sonar[ inTraining,]
testing <- Sonar[-inTraining,]
grid <- expand.grid(n.trees = seq(50,150,by=50), interaction.depth = seq(1,3,by=1),
shrinkage = seq(.09,.11,by=.01),n.minobsinnode=seq(8,10,by=2))
# set seed to run fully reproducible model in parallel mode using caret
set.seed(825)
seeds <- vector(mode = "list", length = 11) # length is = (n_repeats*nresampling)+1
for(i in 1:10) seeds[[i]]<- sample.int(n=1000, 11) # ...the number of tuning parameter...
seeds[[11]]<-sample.int(1000, 1) # for the last model
fitControl <- trainControl(method = "cv",number = 10,seeds=seeds)
# run model in parallel
cl <- makeCluster(detectCores())
registerDoParallel(cl)
gbmFit1 <- train(Class ~ ., data = training,method = "gbm",
trControl = fitControl,tuneGrid=grid,verbose = FALSE)
gbmFit1
答案 0 :(得分：5)
我将分两部分解答您的问题：
1 - 设置seeds：
按照你的说法执行此操作的代码：
set.seed(825)
seeds <- vector(mode = "list", length = 11)
for(i in 1:10) seeds[[i]]<- sample.int(n=1000, 54)
#for the last model
seeds[[11]]<-sample.int(1000, 1)
11中的seeds <- vector(mode = "list", length = 11)为(n_repeats*nresampling)+1，因此，在您的情况下，您使用10-fold CV，10+1 = 11。如果您将repeatedcv与number=10 and repeats = 5一起使用，则会将11替换为(5*10)+1 = 51。
10中的for(i in 1:10)为(n_repeats*nresampling)。在您的情况下，它是10，因为您正在使用10-fold CV。同样，如果您将repeatedcv与number=10 and repeats = 5一起使用，则会for(i in 1:50)。
54中的sample.int(n=1000, 54)是number of tuning parameter combinations。在您的情况下，4 parameters为3,3,3 and 2 values。所以，它是3*3*3*2 = 54。 但是，我记得我在某个地方红色，对于gbm，模型适合网格中的max(n.trees)，并且从中得到树数较少的模型，这解释了为什么caret计算seeds基于您的interaction.depth * shrinkage * n.minobsinnode 3 * 3 * 2 = 18而不是3*3*3*2 = 54，我们稍后会看到。
但是，如果您使用的网格为SVM的{{1}}模型，那么您的值为svmGrid <- expand.grid(sigma= 2^c(-25, -20, -15,-10, -5, 0), C= 2^c(0:5))
请注意，使用6 * 6 = 36的目的是通过为每个重新采样迭代设置适合的模型的种子来允许seeds。
reproducible research用于设置适合整个数据集的最后（最佳）模型的种子。
2 - 如果指定值＆lt;为什么会出现错误？ 18，但没有值为＆gt; = 18
的错误我能够在我的机器上重现相同的错误：
seeds[[11]]<-sample.int(1000, 1)因此，通过检查Error in train.default(x, y, weights = w, ...) :
Bad seeds: the seed object should be a list of length 11 with 10 integer vectors of size 18 and the last list element having a single integer
我能够找到它的来源。根据行train.default和stop中的测试7 to 10，行badSeed中的4会触发错误消息。
5 else {
if (!(length(trControl$seeds) == 1 && is.na(trControl$seeds))) {
numSeeds <- unlist(lapply(trControl$seeds, length))
4 badSeed <- (length(trControl$seeds) < length(trControl$index) +
5 1) || (any(numSeeds[-length(numSeeds)] < nrow(trainInfo$loop)))
if (badSeed)
7 stop(paste("Bad seeds: the seed object should be a list of length",
8 length(trControl$index) + 1, "with", length(trControl$index),
9 "integer vectors of size", nrow(trainInfo$loop),
10 "and the last list element having a", "single integer"))
}
}
号来自18，因此我们需要找到nrow(trainInfo$loop)的值。对象trainInfo$loop在第3行中分配了值trainInfo：
trainInfo <- models$loop(tuneGrid)现在，我们需要找到对象 if (trControl$method != "none") {
if (is.function(models$loop) && nrow(tuneGrid) > 1) {
3 trainInfo <- models$loop(tuneGrid)
if (!all(c("loop", "submodels") %in% names(trainInfo)))
stop("The 'loop' function should produce a list with elements 'loop' and 'submodels'")
}
。它在第2行中被赋予models的值：
models <- getModelInfo(method, regex = FALSE)[[1]]由于我们使用 else {
2 models <- getModelInfo(method, regex = FALSE)[[1]]
if (length(models) == 0)
stop(paste("Model", method, "is not in caret's built-in library"))
}
，我们可以看到method = "gbm"的值并检查以下结果：
getModelInfo("gbm", regex = FALSE)[[1]]$loop > getModelInfo("gbm", regex = FALSE)[[1]]$loop
function(grid) {
3 loop <- ddply(grid, c("shrinkage", "interaction.depth", "n.minobsinnode"),
function(x) c(n.trees = max(x$n.trees)))
submodels <- vector(mode = "list", length = nrow(loop))
for(i in seq(along = loop$n.trees)) {
index <- which(grid$interaction.depth == loop$interaction.depth[i] &
grid$shrinkage == loop$shrinkage[i] &
grid$n.minobsinnode == loop$n.minobsinnode[i])
trees <- grid[index, "n.trees"]
submodels[[i]] <- data.frame(n.trees = trees[trees != loop$n.trees[i]])
}
list(loop = loop, submodels = submodels)
}
>
（在第3行中）被赋值：
loop现在，让我们将loop <- ddply(grid, c("shrinkage", "interaction.depth", "n.minobsinnode"),
function(x) c(n.trees = max(x$n.trees)))`
与grid一起传递到上面一行并检查结果：
54 rows 啊！我们找到了。值> nrow(grid)
[1] 54
>
> loop <- ddply(grid, c("shrinkage", "interaction.depth", "n.minobsinnode"),
+ function(x) c(n.trees = max(x$n.trees)))
> loop
shrinkage interaction.depth n.minobsinnode n.trees
1 0.09 1 8 150
2 0.09 1 10 150
3 0.09 2 8 150
4 0.09 2 10 150
5 0.09 3 8 150
6 0.09 3 10 150
7 0.10 1 8 150
8 0.10 1 10 150
9 0.10 2 8 150
10 0.10 2 10 150
11 0.10 3 8 150
12 0.10 3 10 150
13 0.11 1 8 150
14 0.11 1 10 150
15 0.11 2 8 150
16 0.11 2 10 150
17 0.11 3 8 150
18 0.11 3 10 150
>
来自18，来自上面显示的nrow(trainInfo$loop)只有getModelInfo("gbm", regex = FALSE)[[1]]$loop。
现在，回到触发错误的测试：
18 rows测试的第一部分badSeed <- (length(trControl$seeds) < length(trControl$index) +
1) || (any(numSeeds[-length(numSeeds)] < nrow(trainInfo$loop)))
为(length(trControl$seeds) < length(trControl$index) + 1)，但第二部分FALSE为(any(numSeeds[-length(numSeeds)] < nrow(trainInfo$loop)))，所有值均为TRUE来自18所有值大于nrow(trainInfo$loop)的{1}}和FALSE。这就是为18而不是<18触发错误的原因。如上所述，插入符号会根据您>=18中的seeds计算interaction.depth * shrinkage * n.minobsinnode（模型适合3 * 3 * 2 = 18，其他模型来自max(n.trees)，所以不需要54整数。）